RubyFann

快速人工智能

---

Ruby中的神经网络

RubyFann，又称"ruby-fann"，是一个Ruby Gem（无需Rails），它将FANN（快速人工神经网络）绑定到Ruby/Rails环境中。FANN是一个免费的开源原生神经网络库，实现了多层人工神经网络，支持全连接和稀疏连接网络。它易于使用、功能多样、文档完善且速度快。RubyFann使用ruby处理神经网络变得轻而易举，还有额外的好处是大部分繁重的工作都是在原生层面完成的。

我们的朋友Ethan来自Big-Oh Studios，他在2013年Lone Star Ruby大会上做了一个演讲：http://confreaks.com/videos/2609-lonestarruby2013-neural-networks-with-rubyfann

安装

将此行添加到你的应用程序的Gemfile中：

gem 'ruby-fann'

然后执行：

$ bundle

或者自己安装：

$ gem install ruby-fann

使用

首先，请访问此处并了解FANN。在使用gem之前你不需要安装它，但了解FANN将有助于你理解ruby-fann gem可以做什么： http://leenissen.dk/fann/

文档：

ruby-fann文档： http://tangledpath.github.io/ruby-fann/index.html

训练和后续执行示例：

  require 'ruby-fann'
  train = RubyFann::TrainData.new(:inputs=>[[0.3, 0.4, 0.5], [0.1, 0.2, 0.3]], :desired_outputs=>[[0.7], [0.8]])
  fann = RubyFann::Standard.new(:num_inputs=>3, :hidden_neurons=>[2, 8, 4, 3, 4], :num_outputs=>1)
  fann.train_on_data(train, 1000, 10, 0.1) # 1000最大周期，10次错误间隔报告，0.1期望均方误差（MSE）
  outputs = fann.run([0.3, 0.2, 0.4])

将训练数据保存到文件并稍后使用（接上文）

  train.save('verify.train')
  train = RubyFann::TrainData.new(:filename=>'verify.train')
  # 再次训练，10000最大周期，20次错误间隔报告，0.01期望均方误差（MSE）
  # 这将花费更长时间：
  fann.train_on_data(train, 10000, 20, 0.01)

将训练好的网络保存到文件并稍后使用（接上文）

  fann.save('foo.net')
  saved_nn = RubyFann::Standard.new(:filename=>"foo.net")
  saved_nn.run([0.3, 0.2, 0.4])

使用回调方法进行自定义训练

在使用train_on_data、train_on_file或cascadetrain_on_data进行训练时，可以调用此回调函数。

它对于在训练期间执行自定义操作非常有用。建议在实现自定义训练程序或在GUI中可视化训练时使用此函数。回调函数接收的参数是传递给train_on_data的参数，外加一个epochs参数，表示到目前为止已经进行了多少个训练周期。

回调方法应返回一个整数，如果回调函数返回-1，训练将终止。

如果在你的子类中按以下方式实现，回调（training_callback）将自动被调用：

class MyFann < RubyFann::Standard
  def training_callback(args)
    puts "参数：#{args.inspect}"
    0
  end
end

使用RubyFann玩井字游戏的示例项目

https://github.com/bigohstudios/tictactoe

贡献者

1. Steven Miers
2. Ole Krüger
3. dignati
4. Michal Pokorny
5. Scott Li (locksley)
6. alex.slotty

如何贡献

1. Fork项目
2. 创建你的特性分支（git checkout -b my-new-feature）
3. 提交你的更改（git commit -am '添加某个特性'）
4. 推送到分支（git push origin my-new-feature）
5. 创建新的Pull Request