In diesem projekt wandeln wir Diagramme von Neuonalen netzen in ein Ausführbares Modell um.
- Quickstart
- FuncDoc
- Mehr Besipiele
Wir beginnen mit dem folgenden Neuronalen-Netzt das wir in in Drawio erstellen. Diese ist ein einfaches logisches And .
Die Kreise stellen die einzelen Neuronen dar.
Der Syntax im Neuron hat die folgenden bedeutung.
i:2
- i ist der Typ des Neurons, also i für Input Neuron
- 2 ist der Zeitpunkt, bei dem das Neuron aktiv wird.
Mit dem folgenden Konsolen befehl erzeugen wir ein Modell für dieses Netz.
.\NeuroCreator.py NeuroTest.drawio Test2
Es werden die folgenden Files erzeugt.
- Modell_Test2 dort befindet sich das Übersetze Modell
- NeuroModell_Test2.py enthält einen Algorithmus, der das Netz aktiviert.
Um das Netzt zu nutzen erstellen wir das folgende Python-Skript.
Test_Agent.py :
from NeuroModell_Test2 import RunNetwork_Test2
Inp=[1,1]
Neurons=RunNetwork_Test2(Inp)
y=Neurons["4"][1]
print("Die Ausgabe ist: "+str(y) )
In der ersten Zeile importieren wir die Funktion RunNetwork_Test2 von unserem Model. Die Variable Inp stellt den Input dar, dieser wird in die Input-neuronen eingelesen. Also in unserem Fall in die neuronen 1 und 2.
Die Funktion RunNetwork_Test2(Inp) aktiviert das Netz und aktualisiert jedes Neuron.
Die Ausgabe ist der Dictonary Neurons:
{'1': ['i', 1], '2': ['i', 1], '4': ['Lb', 1], '3': ['B', 1]}
Diese enthält als erstes die Nummer des neurons, als zweites Typ und den Ausgabewert.
Der Output ist:
Die Ausgabe ist: 1
[1] : neuronalenetze-de-zeta2-1col-dkrieselcom.pdf