【C＃】ニューラルネットワークのライブラリを作る　その１【機械学習】

Edgeクラスの定義

1つのエッジは、２つのノードにつながります。後ほど定義するNodeクラスのオブジェクトを参照する変数を２個持たせます。ニューラルネットワークでは、信号が左から右へ流れるものとして、左側に繋がるノードを「Left」で、右側に繋がるノードを「Right」で参照します。

重みの「weight」もEdgeクラスに持たせます。

public class Edge
{
    public Node left;
    public Node right;
    public double weight; //重み
}

左側のノードの出力値に重みを掛けた値が右側のノードの入力値となります。

Nodeクラスを定義

Nodeクラスには入力値の合計である「inValue」と、出力値の「value」が必要です。入力と出力のEdgeは、それぞれC＃のListとして持つことで柔軟に増減できるようにしておきます。

また、活性化関数のシグモイド関数は、Nodeに実装します。

public class Node
{
    public List<Edge> inputs = new List<Edge>();
    public List<Edge> outputs = new List<Edge>();
    public double inValue; // 入力値の合計
    public double value;   // 出力値
    public double error;   // 誤差
    static Random random = new Random();

    // 活性化関数
    public double Activation(double val)
    {
        return 1.0 / (1.0 + Math.Exp(-val));
    }

    //隣のノードと接続する関数

    // 出力値を計算する関数
    public void CalcForward()
    {
        if (inputs.Count == 0) return;

        inValue = 0.0;
        foreach (Edge edge in inputs)
        {
            inValue += edge.left.value * edge.weight;
        }
        value = Activation(inValue);
    }
}

「CalcForward関数」はノードの入力値(edge.left.value)と重み(edge.weight)、活性化関数を使って出力値を計算する関数です。

Layerクラスを定義

Layerクラスでは、入力層、隠れ層、出力層を表現します。各層には複数のノードがあり、Nodeクラスのオブジェクトを複数保持できるようにします。層によってNodeの数が異なるので、ここでもC＃のListを使ってNodeのオブジェクトを扱います。

public class Layer
{
    public List<Node> nodes = new List<Node>();
    //コンストラクタ
    public Layer(int numNodes) {
        for (int i=0; i < numNodes; i++) {
            Node node = new Node();
            nodes.Add(node);
        }
    }
}

Layer関数はコンストラクタ（初期化）で使用します。引数numNodesでノードの数を指定して必要なだけノードを生成するようにします。

NeuralNetworkクラスを定義

暫定的にEdge、Node、Layersを定義したので、ニューラルネットワーク全体を表すNueralNetworkクラスを定義します。NeuralNetworkの各層は、変数「Layers」で扱います。

using System;
using System.Collections.Generic;

public class NeuralNetwork {
    public List<Layer> layers = new List<Layer>();
}