Este modulo se trata de uma "forma prática" de criar uma RNA de forma simples e rápida usando javascript puro. Ainda não possui uma estrutura ou conversão de dataset usados em frameworks famoso, mas pretendo desenvolver.
Evitei class apenas por ser uma syntax sugar da qual não vejo necessidade de uso.
Este modulo foi desenvolvido para um teste de AM(Aprendizado de máquina) na game engine Construct.
Aqueles que preferirem, agora este modulo possui uma index_classVersion.
- RNA.entradas(<array de entradas>) ~ Cria um objeto representando um neurônio.
- RNA.neuronios(<array de entradas>, <quantia>) ~ Cria uma camada de neurônios de mesma entrada.
- RNA.setPesos(<array de neuronios>, <array de pesos>) ~ Rescreve os pesos da cama especifica.
- RNA.saidas(<array de neuronios>, <callback ou função de ativação>, <quantia>) ~ Retorna uma quantia de saídas de acordo com os neurônios de entradas.
- RNA.genConcat(<spreed de neuronios>) ~ Concatena os pesos para gerar o genoma.
- RNA.splitGen(<aray de gens>, <quantia de neuronio>, <quantia de entradas>) ~ Separa os gens do genoma conforme as informações dadas.
- RNA.crossover(<array de pesos>, <array de pesos>, <indice de deslocamento>) ~ Junta dois genomas resultando em genomas semelhantes.
- RNA.mutar(<array de pesos>, <quantia de mutação>) ~ Altera uma quantia desejada de pesos em um genoma.
- RNA.Softmax(<array de pesos>) ~ Faz o tratamento do genoma para "treinar a rede".
- Vies ~ Valor equivalente a bias.
- Pesos ~ <array de pesos>.
- Saida ~ <callback referente a função de ativação>.
Funções de ativação concluidas:
Neste projeto só possui funções de ativação sem suas derivaras.
- RNA.fn.ArcTan
- RNA.fn.BentIdentity
- RNA.fn.BinaryStep
- RNA.fn.Gaussian
- RNA.fn.Identity
- RNA.fn.LeakyReLU
- RNA.fn.ReLU
- RNA.fn.SELU
- RNA.fn.Sigmoid
- RNA.fn.SigmoidRcional
- RNA.fn.SiLU
- RNA.fn.Sinc
- RNA.fn.Sinusoid
- RNA.fn.SoftSign
- RNA.fn.SoftPlus
- RNA.fn.TanH
- RNA.fn.PReLU
- RNA.fn.ELU
- RNA.fn.Pipe