Brain.js
Brain.js एक जावास्क्रिप्ट पुस्तकालय है जो तंत्रिका नेटवर्क को समझना आसान बनाता है क्योंकि यह गणित की जटिलता को छुपाता है।
एक तंत्रिका नेटवर्क का निर्माण
Brain.js के साथ एक तंत्रिका नेटवर्क का निर्माण:
उदाहरण:
// 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"];
उदाहरण समझाया:
एक तंत्रिका नेटवर्क के साथ बनाया गया है:new brain.NeuralNetwork()
नेटवर्क के साथ प्रशिक्षित किया जाता हैnetwork.train([examples])
उदाहरण संबंधित आउटपुट मान के साथ 4 इनपुट मानों का प्रतिनिधित्व करते हैं।
के साथ network.run([1,0])
, आप पूछते हैं "[1,0] का संभावित आउटपुट क्या है?"
नेटवर्क से उत्तर है:
- एक: 93% (1 के करीब)
- शून्य: 6% (करीब 0)
कंट्रास्ट की भविष्यवाणी कैसे करें
CSS के साथ, रंग RGB द्वारा सेट किए जा सकते हैं:
उदाहरण
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) |
नीचे दिया गया उदाहरण दर्शाता है कि किसी रंग के अंधेरे की भविष्यवाणी कैसे की जाती है:
उदाहरण:
// 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"];
उदाहरण समझाया:
एक तंत्रिका नेटवर्क के साथ बनाया गया है:new brain.NeuralNetwork()
नेटवर्क के साथ प्रशिक्षित किया जाता हैnetwork.train([examples])
उदाहरण 4 इनपुट मानों को संबंधित आउटपुट मान दर्शाते हैं।
के साथ network.run([0,0,128/255])
, आप पूछते हैं "गहरे नीले रंग का संभावित आउटपुट क्या है?"
नेटवर्क से उत्तर है:
- अंधेरा: 95%
- प्रकाश: 4%
पीले या लाल रंग के संभावित आउटपुट का परीक्षण करने के लिए उदाहरण को संपादित क्यों नहीं करते?