谁说JAVA不适合做神经网络，那来看看Encog这款框架吧( 二 ) _JAVA

文章插图

上图中：输入神经元为I1, I2 。输出神经元为O1 。隐藏神经元为H1, H2 。偏执神经元为B1, B2
使用代码实现XOR运算构造神经网络：使用Encog构建一个神经网络特别简单，首先需要new 一个BasicNetwork对象，然后往这个对象里面添加层就可以了。BasicLayer构造函数第一个参数指定激活函数，第二个参数指定是由有偏置神经元，第三个参数指定神经元个数，如果只传一个数字，则表示只指定神经元个数，而默认激活函数为ActivationSigmoid，有偏置神经元。

文章插图

因为偏执神经元影响的是下一层，以及激活函数影响的是前一层的数据。所以一般第一层(输入层)不需要激活函数，最后一层(输出层)不需要偏置神经元。调用finalizeStructure表示已经构建完成，不需要在往里面添加层了，reset是随机初始化各层之间的连接权重。
处理数据：

准备好输入数据和我们期望输出的数据
构造一个MLDataSet对象训练集，我们将我们的训练数据传给它。

文章插图

使用弹性传播(RPROP)训练：我们在这个使用弹性传播训练(RPROP)来训练我们的网络, RPROP是Encog所支持的最好的训练算法，当然，Encog还提供了其他训练技术，并且在一定的训练技术下能较好地解决某些问题。使用RPROP训练的代码如下:

文章插图

上面的代码通过多次的迭代，当迭代到使神经网络的错误率低于1%的时候，神经网络训练就结束了。到了这里，我们可以运行我们的代码看看训练的结果：

文章插图

文章插图

可以看到，在第一次迭代的时候错误率很大，然后随着迭代次数的增加，当迭代到一百次左右的时候，错误率已经降低到0.01了。注意这里每次的运行结果都不一样，但是只要是错误率在降低说明我们的神经网络构建成功了。
使用该神经网络计算XOR：接下来就是测试一下我们的神经网络能不能得到正确的XOR运算。