forum.alglib.net

static void Main(string[] args)
        {
            int trainSize = 800;
            int testStart = trainSize + 1;
            int testLimit = 1000;
            alglib.multilayerperceptron network;
            double[,] xy = GetDataSet(trainSize);
            Console.WriteLine("P0 : 0, Not Prime");
            Console.WriteLine("P1 : 1, Prime");
            CreateNeuralNet(1, 5, 0,2, out network);
            TrainData(xy,network,0.001,5);
            Console.WriteLine("Number\tClassification(P0,P1)");
            for (int i = testStart; i < testLimit; i++)
            {
                double[] x = new double[] {i};
                double[] y = new double[2];
                alglib.mlpprocess(network, x, ref y);
                System.Console.WriteLine("{0}\t{1}",i, alglib.ap.format(y, 1));
            }
            Console.ReadKey();
        }
        private static bool CreateNeuralNet(int inputLayerNeuronsCount,
                                             int firstHiddenLayerNeuronsCount,
                                             int secondHiddenLayerNeuronsCount,
                                             int outputLayerNeuronsCount,
                                             out multilayerperceptron neuralNet
                                             )
        {
            if (firstHiddenLayerNeuronsCount < 1 && secondHiddenLayerNeuronsCount < 1) Create0(inputLayerNeuronsCount, outputLayerNeuronsCount,out neuralNet);
            else if (secondHiddenLayerNeuronsCount < 1) Create1(inputLayerNeuronsCount, firstHiddenLayerNeuronsCount, outputLayerNeuronsCount, out neuralNet);
            else Create2(inputLayerNeuronsCount, firstHiddenLayerNeuronsCount, secondHiddenLayerNeuronsCount, outputLayerNeuronsCount, out neuralNet);
            string lastError;
            bool created = NetworkCreated(out lastError, neuralNet);
            if (!created) Console.WriteLine(new object[] { "Error creation NEURAL NETWORK  ==> ", "createNeuralNet", " ", lastError });
            return (created);
        }
        private static void Create0(int inputLayerNeuronsCount,
                             int outputLayerNeuronsCount,
                             out multilayerperceptron neuralNet
                             )
        {
            mlpcreatec0(inputLayerNeuronsCount, outputLayerNeuronsCount, out neuralNet);
        }

        private static void Create1(int inputLayerNeuronsCount,
                             int firstHiddenLayerNeuronsCount,
                             int outputLayerNeuronsCount,
                             out multilayerperceptron neuralNet
                             )
        {
            mlpcreatec1(inputLayerNeuronsCount, firstHiddenLayerNeuronsCount, outputLayerNeuronsCount, out neuralNet);
        }

        private static void Create2(int inputLayerNeuronsCount,
                             int firstHiddenLayerNeuronsCount,
                             int secondHiddenLayerNeuronsCount,
                             int outputLayerNeuronsCount,
                             out multilayerperceptron neuralNet
                             )
        {
            mlpcreatec2(inputLayerNeuronsCount, firstHiddenLayerNeuronsCount, secondHiddenLayerNeuronsCount, outputLayerNeuronsCount, out neuralNet);
        }
        private static void TrainData(double[,] inputData,multilayerperceptron network,double decay,int restarts)
        {
            double rmsError = 0;
            int codResp,
                historial = inputData.GetLength(0);
            mlpreport infoEntren;
            DateTime startTime = DateTime.Now;
            var watch = Stopwatch.StartNew();
            Console.WriteLine("{0}",new object[] { "Starting Optimization of NEURAL NETWORK ..." });
            Console.WriteLine("{0}",new object[] { "Wait a few minutes ... depending on the amount of history involved." });
            Console.WriteLine("{0}", new object[] { "...///..." });
            int  numEntras = 0, numSals = 0, numweights = 0;
             mlpproperties(network, out numEntras, out numSals, out numweights);
            if (numweights < 500)
                mlptrainlm(network, inputData, historial, decay, restarts, out codResp, out infoEntren);
            else
                mlptrainlbfgs(network, inputData, historial, decay, restarts, 0.01, 0, out codResp, out infoEntren);
            if (codResp == 2 || codResp == 6) rmsError = mlprmserror(network, inputData, historial);
            DateTime endTime = DateTime.Now;
            watch.Stop();
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { "NGrad", "NHess", "NCholesky" });
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { infoEntren.ngrad, infoEntren.nhess, infoEntren.ncholesky });
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { "codResp", "RMS Error", "trainingCycles" });
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { codResp, rmsError, restarts });
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { "Time Taken", "Start Time", "End Time" });
            Console.WriteLine("{0}\t{1}\t{2}\t", new object[] { watch.ElapsedMilliseconds, startTime, endTime });
        }
        private static double[,] GetDataSet(int trainSize)
        {
            double[,] xy = new double[trainSize, 2];
            for (int i = 0; i < trainSize; i++)
            {
                xy[i, 0] = (i + 1);
                xy[i, 1] = IsPrime(i + 1);
            }

            return xy;
        }
        private static bool NetworkCreated(out string lastError, multilayerperceptron neuralNet)
        {
            bool resp;
            try
            {
                int ninputs;
                int nouptuts;
                int nweights;
                mlpproperties(neuralNet, out ninputs, out nouptuts, out nweights);
                resp = ninputs > 0 && nouptuts > 0;
                lastError = null;
            }
            catch (Exception ex)
            {
                lastError = ex.Message;
                throw;
            }

            return (resp);
        }
        private static double IsPrime(int num)
        {
            bool primo = num < 4 && num > 0;
            int k = 2;
            if (!primo)
                for (k = 2; k <= (Math.Sqrt(num) + 1); k++)
                {
                    primo = num % k != 0;
                    if (!primo) break;
                }
            return Convert.ToInt32(primo);
        }