|
|
@ -38,7 +38,7 @@
|
|
|
|
* 功能还在扩展:
|
|
|
|
* 功能还在扩展:
|
|
|
|
本包现在的功能还在逐步扩展中
|
|
|
|
本包现在的功能还在逐步扩展中
|
|
|
|
* 说明文档有不清楚的地方可联系作者询问,QQ:794757862,或者查看视频教程,上有链接
|
|
|
|
* 说明文档有不清楚的地方可联系作者询问,QQ:794757862,或者查看视频教程,上有链接
|
|
|
|
## 图像部分API 说明:
|
|
|
|
## 图像部分最简API 说明:
|
|
|
|
public static void testPic() throws Exception {
|
|
|
|
public static void testPic() throws Exception {
|
|
|
|
//测试SPEED模式学习过程
|
|
|
|
//测试SPEED模式学习过程
|
|
|
|
//初始化图像转矩阵类:作用就是说将一个图片文件转化为矩阵类
|
|
|
|
//初始化图像转矩阵类:作用就是说将一个图片文件转化为矩阵类
|
|
|
@ -203,7 +203,7 @@
|
|
|
|
回调第一个参数是输出值 指的是 这个分类的概率 该数值是0-1之间的浮点
|
|
|
|
回调第一个参数是输出值 指的是 这个分类的概率 该数值是0-1之间的浮点
|
|
|
|
第二个参数是 分类的id 判断是训练的哪个分类的ID,
|
|
|
|
第二个参数是 分类的id 判断是训练的哪个分类的ID,
|
|
|
|
第三个参数是 事件ID,一次判断事件 使用一个ID,让开发者知道是哪次事件的回调判断
|
|
|
|
第三个参数是 事件ID,一次判断事件 使用一个ID,让开发者知道是哪次事件的回调判断
|
|
|
|
## 自然语言分类API 说明:
|
|
|
|
## 自然语言分类最简API 说明:
|
|
|
|
public static void test() throws Exception { //自然语言分类说明
|
|
|
|
public static void test() throws Exception { //自然语言分类说明
|
|
|
|
//创建模板读取累
|
|
|
|
//创建模板读取累
|
|
|
|
TemplateReader templateReader = new TemplateReader();
|
|
|
|
TemplateReader templateReader = new TemplateReader();
|
|
|
@ -222,6 +222,44 @@
|
|
|
|
//这里做一个特别说明,语义分类的分类id不要使用"0",本框架约定如果类别返回数字0,则意味不能理解该语义,即分类失败
|
|
|
|
//这里做一个特别说明,语义分类的分类id不要使用"0",本框架约定如果类别返回数字0,则意味不能理解该语义,即分类失败
|
|
|
|
//通常原因是模板量不足,或者用户说的话的语义,不在你的语义分类训练范围内
|
|
|
|
//通常原因是模板量不足,或者用户说的话的语义,不在你的语义分类训练范围内
|
|
|
|
}
|
|
|
|
}
|
|
|
|
|
|
|
|
## 神经网络最简API说明
|
|
|
|
|
|
|
|
//创建一个DNN神经网络管理器
|
|
|
|
|
|
|
|
NerveManager nerveManager = new NerveManager(...);
|
|
|
|
|
|
|
|
//构造参数
|
|
|
|
|
|
|
|
//sensoryNerveNub 感知神经元数量 即输入特征数量
|
|
|
|
|
|
|
|
//hiddenNerverNub 每一层隐层神经元的数量
|
|
|
|
|
|
|
|
//outNerveNub 输出神经元数量 即分类的类别
|
|
|
|
|
|
|
|
//hiddenDepth 隐层神经元深度,即学习深度
|
|
|
|
|
|
|
|
//activeFunction 激活函数
|
|
|
|
|
|
|
|
//isDynamic 是否启用动态神经元数量(没有特殊需求建议为静态,动态需要专业知识)
|
|
|
|
|
|
|
|
public NerveManager(int sensoryNerveNub, int hiddenNerverNub, int outNerveNub, int hiddenDepth, ActiveFunction activeFunction, boolean isDynamic)
|
|
|
|
|
|
|
|
nerveManager.getSensoryNerves()获取感知神经元集合
|
|
|
|
|
|
|
|
//eventId:事件ID
|
|
|
|
|
|
|
|
//parameter:输入特征值
|
|
|
|
|
|
|
|
//isStudy:是否是学习
|
|
|
|
|
|
|
|
//E:特征标注
|
|
|
|
|
|
|
|
//OutBack 回调类
|
|
|
|
|
|
|
|
SensoryNerv.postMessage(long eventId, double parameter, boolean isStudy, Map<Integer, Double> E, OutBack outBack)
|
|
|
|
|
|
|
|
//每一次输出结果都会返回给回调类,通过回调类拿取输出结果,并通过eventId来对应事件
|
|
|
|
|
|
|
|
## 随机森林最简API说明
|
|
|
|
|
|
|
|
//创建一个内存中的数据表
|
|
|
|
|
|
|
|
DataTable dataTable = new DataTable(column);
|
|
|
|
|
|
|
|
//构造参数是列名集合
|
|
|
|
|
|
|
|
public DataTable(Set<String> key)
|
|
|
|
|
|
|
|
//指定主列名集合中该表的主键
|
|
|
|
|
|
|
|
dataTable.setKey("point");
|
|
|
|
|
|
|
|
//创建一片随机森林
|
|
|
|
|
|
|
|
RandomForest randomForest = new RandomForest(7);
|
|
|
|
|
|
|
|
//构造参数为森林里的树木数量
|
|
|
|
|
|
|
|
public RandomForest(int treeNub)
|
|
|
|
|
|
|
|
//唤醒随机森林里的树木
|
|
|
|
|
|
|
|
randomForest.init(dataTable);
|
|
|
|
|
|
|
|
//将加入数据的实体类一条条插入森林中
|
|
|
|
|
|
|
|
randomForest.insert(Object object);
|
|
|
|
|
|
|
|
//森林进行学习
|
|
|
|
|
|
|
|
randomForest.study();
|
|
|
|
|
|
|
|
//插入特征数据,森林对该数据的最终分类结果进行判断
|
|
|
|
|
|
|
|
randomForest.forest(Object objcet);
|
|
|
|
#### 最终说明
|
|
|
|
#### 最终说明
|
|
|
|
* TempleConfig():配置模版类,一定要静态在内存中长期持有,检测的时候不要每次都NEW,
|
|
|
|
* TempleConfig():配置模版类,一定要静态在内存中长期持有,检测的时候不要每次都NEW,
|
|
|
|
一直就使用一个配置类就可以了。
|
|
|
|
一直就使用一个配置类就可以了。
|
|
|
|