Brain.js
Brain.js è una libreria JavaScript che semplifica la comprensione delle reti neurali perché nasconde la complessità della matematica.
Costruire una rete neurale
Costruire una rete neurale con Brain.js:
Esempio:
// Create a Neural Network
const network = new brain.NeuralNetwork();
// Train the Network with 4 input objects
network.train([
{input:[0,0], output:{zero:1}},
{input:[0,1], output:{one:1}},
{input:[1,0], output:{one:1},
{input:[1,1], output:{zero:1},
]);
// What is the expected output of [1,0]?
result = network.run([1,0]);
// Display the probability for "zero" and "one"
... result["one"] + " " + result["zero"];
Esempio spiegato:
Viene creata una rete neurale con: new brain.NeuralNetwork()
La rete è addestrata con network.train([examples])
Gli esempi rappresentano 4 valori di ingresso con un valore di uscita corrispondente.
Con network.run([1,0])
, chiedi "Qual è il probabile output di [1,0]?"
La risposta dalla rete è:
- uno: 93% (vicino a 1)
- zero: 6% (vicino a 0)
Come prevedere un contrasto
Con CSS, i colori possono essere impostati da RGB:
Esempio
Color | RGB |
---|---|
Black | RGB(0,0,0) |
Yellow | RGB(255,255,0) |
Red | RGB(255,0,0) |
White | RGB(255,255,255) |
Light Gray | RGB(192,192,192) |
Dark Gray | RGB(65,65,65) |
L'esempio seguente mostra come prevedere l'oscurità di un colore:
Esempio:
// Create a Neural Network
const net = new brain.NeuralNetwork();
// Train the Network with 4 input objects
net.train([
// White RGB(255, 255, 255)
{input:[255/255, 255/255, 255/255], output:{light:1}},
// Light grey (192,192,192)
{input:[192/255, 192/255, 192/255], output:{light:1}},
// Darkgrey (64, 64, 64)
{ input:[65/255, 65/255, 65/255], output:{dark:1}},
// Black (0, 0, 0)
{ input:[0, 0, 0], output:{dark:1}},
]);
// What is the expected output of Dark Blue (0, 0, 128)?
let result = net.run([0, 0, 128/255]);
// Display the probability of "dark" and "light"
... result["dark"] + " " + result["light"];
Esempio spiegato:
Viene creata una rete neurale con: new brain.NeuralNetwork()
La rete è addestrata con network.train([examples])
Gli esempi rappresentano 4 valori di ingresso un valore di uscita corrispondente.
Con network.run([0,0,128/255])
, chiedi "Qual è il probabile output del blu scuro?"
La risposta dalla rete è:
- Scuro: 95%
- Luce: 4%
Perché non modificare l'esempio per testare il probabile output di giallo o rosso?