对颜色进行分类

分类是神经网络可以做得很好的事情。在本文中我将演示如何建立神经网络的进化过程学习用Neataptic分类颜色的人。

颜色：红色橙色黄色的绿色蓝色紫色粉红色单色

迭代：0最佳健身效果：0

按颜色排序的集合

按NN排序的集合

它是如何工作的

这种分类的算法实际上是漂亮的容易的。我最大的一个问题是生成颜色，但我偶然发现这允许您按名称随机生成颜色的Javascript库我需要什么（但它也产生了一个问题，请阅读下文）。所以我用它来创建一套训练：

函数createSet（）{var集合=[]；for（索引为COLORS）{var color=颜色[索引]；var randomColors=randomColor（{色调：颜色，计数：PER_color，格式：'rgb'}）；for（randomColors中的var random）{var rgb=随机颜色[random]；random=rgb.substring（4，rgb.length-1）.replace（//g，''）.split（'，'）；for（var y in random）random[y]=random[y]/255；var输出=Array.apply（null，Array（COLORS.length））.map（Number.prototype.valueOf，0）；输出[指数]=1；push（{input:random，output:output，color:color，rgb:rgb}）；}}返回集；}

颜色是一个以字符串形式存储所有颜色名称的数组。可能的颜色有上面列出的。接下来，我们将此rgb字符串转换为数组，并将值介于0和1之间。最后，我们使用单热点编码.请注意颜色和阿拉伯联合酋长国对象属性与算法无关。

网络演进（set{迭代次数：1，突变率：0.6，elisitm:5，popSize:100，突变：方法。突变。FFW、，成本：methods.cost。MSE公司});

现在我们在neadaptic.js中创建了内置的遗传算法。我们定义我们想使用所有可能的突变方法并设置突变率高于正常值。加入精英主义，使默认人口翻倍尺寸。自己尝试参数，也许你会发现更好的参数！

适应度函数是算法中最重要的部分。基本上是计算均方误差整个集合的。Neataptic保存了此健身计算的编程。同时默认生长参数，因此网络将因为太大而受到惩罚。

将所有这些代码放在一起将创建一个颜色分类器。