java语言实现自动编码器算法autoencoder

最近在尝试将AE算法改写为分布式架构就先写了个单机版，AE可以用来给数据降维，由于是基于ANN的框架写的所以要是想实现ANN的功能略作修改即可

package ANN;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.PrintStream;
import java.util.Random;
import java.util.StringTokenizer;

public class ANN {
	
	private int inputDim = 200;				//输入数据维数
	private int hiddenDim = 100;			//中间数据维数
	private int outputDim = 200;			//输出数据维数
	private double learningRate = 0.05;		//学习速率
	
	private double[][] weightInputHidden;
	private double[][] weightHiddenOutput;
	private double[] hiddenThreshold;
	private double[] outputThreshold;
	
	private double[] hiddenOutput;
	private double[] outputOutput;
	
	private double[] desiredOutput;
	private double[] inputValues;
	
	/**
	 *constructor 
	 */
	public ANN（）{
		weightInputHidden = new double[inputDim][hiddenDim];
		weightHiddenOutput = new double[hiddenDim][outputDim];
		hiddenThreshold = new double[hiddenDim];
		outputThreshold = new double[outputDim];
		
		inputValues = new double[inputDim];
		desiredOutput = new double[outputDim];
		hiddenOutput = new double[hiddenDim];
		outputOutput = new double[outputDim];
	}
	
	/**
	 * 初始化参数，随机赋-0.5~0.5之间的值
	 */
	public void initialize（）{
		Random rand = new Random（）;
		
		for （int i=0; i			for （int j=0; j				weightInputHidden[i][j] = rand.nextDouble（） - 0.5;
			}
		
		for （int i=0; i			for （int j=0; j				weightHiddenOutput[i][j] = rand.nextDouble（） - 0.5;
			}
		
		for （int i=0; i			hiddenThreshold[i] = rand.nextDouble（） - 0.5;
		}
		
		for （int i=0; i			outputThreshold[i] = rand.nextDouble（） - 0.5;
		}
	}
	
	/**
	 * sigmod
	 */
	public double sigmoidFunc（double x）{
		return 1 / （1 + Math.exp（-x））;
	}
	
	/**
	 * 设置成员变量值
	 */
	public void setInputDim（int inputDim）{
		this.inputDim = inputDim;
	}
	
	public void setHiddenDim（int hiddenDim）{
		this.hiddenDim = hiddenDim;
	}
	
	public void setOutputDim（int outputDim）{
		this.outputDim = outputDim;
	}
	
	public void setLearningRate（double learningRate）{
		this.learningRate = learningRate;
	}
	
	/**
	 * 返回成员变量
	 */
	public double getLearningRate（）{
		return learningRate;
	}
	
	public int getInputDim（）{
		return inputDim;
	}
	
	public int getHiddenDim（）{
		return hiddenDim;
	}
	
	public int getOutputDim（）{
		return outputDim;
	}
	
	/**
	 * 正向计算一次
	 */
	public void calcOutput（）{		
		//计算隐藏层输出
		double[] hiddenInput = new double[hiddenDim];
		for （int i=0; i			hiddenInput[i] = 0;
			for （int j=0; j				hiddenInput[i] += inputValues[j] * weightInputHidden[j][i];
			}
			//减去偏置
			hiddenInput[i] = hiddenInput[i] - hiddenThreshold[i];
			hiddenOutput[i] = sigmoidFunc（hiddenInput[i]）;
		}
		
		//计算输出层输出
		double[] outputInput = new double[outputDim];
		for （int i=0; i			outputInput[i] = 0;
			for （int j=0; j


 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       6877  2015-03-19 16:14  AE\ANN.java

     文件       1111  2015-03-19 16:15  AE\GenTrainTestData.java

     目录          0  2015-03-19 16:20  AE

     文件         39  2018-07-26 13:44  test.txt

----------- ---------  ---------- -----  ----

                 8027                    4