Computer Science на языке Java 2022 Дэвид Копец Классические задачи Computer Science на языке Java 2022 ббк

7.4.1. Реализация нейронов
Начнем.с.нейронов..Каждый.нейрон.должен.хранить.много.элементов.со-
стояния,.включая.вес,.дельту,.скорость.обучения,.кэш.последних.выходных.
данных,.функцию.активации,.а.также.производную.от.нее..Некоторые.из.этих.
элементов.эффективнее.было.бы.хранить.в.слое.(в.будущем.классе.
Layer
),.но.
они.включены.в.представленный.далее.класс.
Neuron
.из.соображений.нагляд-
ности.(листинг.7.3).
Листинг 7.3. 
Neuron.java
package 
chapter7;
import 
java.util.function.DoubleUnaryOperator;
public class 
Neuron {
public double
[] weights;
public final double 
learningRate;
public double 
outputCache;
public double 
delta;
public final 
DoubleUnaryOperator activationFunction;
public final 
DoubleUnaryOperator derivativeActivationFunction;
public 
Neuron(
double
[] weights, 
double 
learningRate, DoubleUnaryOperator
activationFunction, DoubleUnaryOperator derivativeActivationFunction) {
this
.weights = weights;
this
.learningRate = learningRate;
outputCache = 0.0;
delta = 0.0;
this
.activationFunction = activationFunction;
this
.derivativeActivationFunction = derivativeActivationFunction;
}
public double 
output(
double
[] inputs) {
outputCache = Util.
dotProduct
(inputs, weights);
return 
activationFunction.applyAsDouble(outputCache);
}
}
Большинство.этих.параметров.инициализируется.в.конструкторе..Посколь-
ку.
delta
.и.
outputCache
.неизвестны.при.первом.создании.
Neuron
,.они.просто.
инициализируются.нулем..Некоторые.из.этих.переменных.(
learningRate
,.

---

7.4. Построение сети
195
activationFunction
,.
derivativeActivationFunction
).выглядят.предустановлен-
ными,.но.все.же.есть.причина.сделать.их.изменяемыми..Если.класс.
Neuron
.будет.
использоваться.для.других.типов.нейронных.сетей,.то,.возможно,.некоторые.из.
этих.значений.будут.изменяться.в.процессе.выполнения.программы,.поэтому.их.
можно.настраивать.для.максимальной.гибкости..Существуют.даже.нейронные.
сети,.которые.изменяют.скорость.обучения.по.мере.приближения.к.решению.
и.автоматически.пробуют.разные.функции.активации..Поскольку.наши.пере-
менные.—.
final
,.они.не.могут.быть.изменены.в.середине.потока,.но.чтобы.сделать.
их.неокончательными,.можно.просто.изменить.код.
Кроме.конструктора,.у.класса.есть.только.один.метод.—.
output()
..
output()
.при-
нимает.входные.сигналы.(входные.данные),.поступающие.в.нейрон,.и.применяет.
к.ним.формулу,.рассмотренную.ранее.в.этой.главе.(см..рис..7.2)..Входные.сигна-
лы.объединяются.с.весами.посредством.скалярного.произведения,.и.результат.
кэшируется.в.
outputCache
..Напомню,.что.это.значение,.полученное.до.того,.как.
была.задействована.функция.активации,.используется.для.вычисления.дельты.
(см..раздел.об.обратном.распространении)..Наконец,.прежде.чем.сигнал.будет.
отправлен.на.следующий.слой.(будучи.возвращенным.из.
output()
),.к.нему.при-
меняется.функция.активации.
Вот.и.все!.Отдельный.нейрон.в.этой.сети.довольно.прост..Он.не.может.сделать.
ничего.иного,.кроме.как.принять.входной.сигнал,.преобразовать.его.и.передать.для.
дальнейшей.обработки..Нейрон.поддерживает.несколько.элементов.состояния,.
которые.используются.другими.классами.