整洁的

尼塔普特人

Neataptic提供灵活的神经网络；神经元和突触可以用一行代码删除。神经网络的运行根本不需要固定的架构。这种灵活性允许通过使用多个线程的神经进化来为数据集塑造网络。

//这个网络学习XOR门（通过神经进化）
无功功率，无功功率网络= 新的 网络(2,1);
 
无功功率，无功功率培训设置= [
  {输入: [0,0],输出: [0] },
  {输入: [0,1],输出: [1] },
  {输入: [1,0],输出: [1] },
  {输入: [1,1],输出: [0] }
];
 
等待 网络.发展(培训设置, {
相等: 真的,
错误: 0.03
 });

Neataptic的反向传播速度也是竞争对手的5倍多。自己运行测试这是在Neataptic进行常规训练的一个例子：

//该网络学习异或门（通过反向传播）
无功功率，无功功率网络= 新的 建筑师.感知器(2, 4, 1);
 
//训练集与上例相同
网络.火车(培训设置, {
错误: 0.01
});
 
网络.激活([1,1]); // 0.9824...

使用任何6具有可定制大小的内置网络以创建网络：

无功功率，无功功率我的网络= 新的 建筑师.LSTM公司(1, 10, 5, 1);

或构建您的拥有具有预构建层的网络：

无功功率，无功功率输入= 新的 图层.稠密(2);
无功功率，无功功率隐藏1= 新的 图层.LSTM公司(5);
无功功率，无功功率隐藏2= 新的 图层.GRU公司(三);
无功功率，无功功率输出= 新的 图层.稠密(1);
 
输入.连接(隐藏1);
隐藏1.连接(隐藏2);
隐藏2.连接(输出);
 
无功功率，无功功率我的网络= 建筑师.构造([输入,隐藏1,隐藏2,输出]);

您甚至可以使用节点和组!

示例

神经网络几乎可以用于任何事情；开车，玩游戏，甚至预测单词！此时此刻，该网站只显示了少量示例。如果你有一个有趣的项目想与其他用户分享Neataptic，请随意创建拉请求！

用法

前往维基了解详细用法。如果你想可视化你的图表，head转到图表文件夹。

安装

Neataptic文件由rawgit托管，只需将此链接复制到＜头部＞标签：

<脚本 src公司="https://wagenaartje.github.io/neataptic/cdn/1.4.7/neataptic.js"></脚本>

也可以使用节点进行安装：

npm安装neadaptic

确保您有Node.js第7.6版已安装或更高版本！

进一步通知

的部分Synaptic公司用于开发的位置尼塔普提克。

使用的神经进化算法是本能算法。

你一路下来了！如果你欣赏这份回购协议并想支持其发展，请考虑捐赠👍