Cerebro.js
Brain.js es una biblioteca de JavaScript que facilita la comprensión de las redes neuronales porque oculta la complejidad de las matemáticas.
Construcción de una red neuronal
Construyendo una red neuronal con Brain.js:
Ejemplo:
// Create a Neural Network
const network = new brain.NeuralNetwork();
// Train the Network with 4 input objects
network.train([
{input:[0,0], output:{zero:1}},
{input:[0,1], output:{one:1}},
{input:[1,0], output:{one:1},
{input:[1,1], output:{zero:1},
]);
// What is the expected output of [1,0]?
result = network.run([1,0]);
// Display the probability for "zero" and "one"
... result["one"] + " " + result["zero"];
Ejemplo explicado:
Una Red Neuronal se crea con: new brain.NeuralNetwork()
La red está entrenada con network.train([examples])
Los ejemplos representan 4 valores de entrada con un valor de salida correspondiente.
Con network.run([1,0]), pregunta "¿Cuál es el resultado probable de [1,0]?"
La respuesta de la red es:
- uno: 93% (cerca de 1)
- cero: 6% (cerca de 0)
Cómo predecir un contraste
Con CSS, los colores se pueden configurar por RGB:
Ejemplo
| Color | RGB |
|---|---|
| Black | RGB(0,0,0) |
| Yellow | RGB(255,255,0) |
| Red | RGB(255,0,0) |
| White | RGB(255,255,255) |
| Light Gray | RGB(192,192,192) |
| Dark Gray | RGB(65,65,65) |
El siguiente ejemplo demuestra cómo predecir la oscuridad de un color:
Ejemplo:
// Create a Neural Network
const net = new brain.NeuralNetwork();
// Train the Network with 4 input objects
net.train([
// White RGB(255, 255, 255)
{input:[255/255, 255/255, 255/255], output:{light:1}},
// Light grey (192,192,192)
{input:[192/255, 192/255, 192/255], output:{light:1}},
// Darkgrey (64, 64, 64)
{ input:[65/255, 65/255, 65/255], output:{dark:1}},
// Black (0, 0, 0)
{ input:[0, 0, 0], output:{dark:1}},
]);
// What is the expected output of Dark Blue (0, 0, 128)?
let result = net.run([0, 0, 128/255]);
// Display the probability of "dark" and "light"
... result["dark"] + " " + result["light"];
Ejemplo explicado:
Una Red Neuronal se crea con: new brain.NeuralNetwork()
La red está entrenada con network.train([examples])
Los ejemplos representan 4 valores de entrada y un valor de salida correspondiente.
Con network.run([0,0,128/255]), pregunta "¿Cuál es la salida probable de azul oscuro?"
La respuesta de la red es:
- Oscuro: 95%
- Luz: 4%
¿Por qué no editar el ejemplo para probar la salida probable de amarillo o rojo?