dieupatr / neuronet

Umwandeln von Diagrammen Neuronaler netze in ein Model

NeuroNet

In diesem projekt wandeln wir Diagramme von Neuonalen netzen in ein Ausführbares Modell um.

Inhaltsverzeichniss

1. Quickstart
2. FuncDoc
3. Mehr Besipiele

Quickstart

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

---

Literatur

[1] : neuronalenetze-de-zeta2-1col-dkrieselcom.pdf