はじめに

書籍「機械学習と深層学習」を購入して勉強していたら、C言語で書いてあるプログラムが簡単そうだったので、Rubyで書き換えてみることにしました。

ちなみに、書籍で紹介されているソースコードは以下のURLからダウンロード可能です。

nn.c

第4章ニューラルネット
4.1 ニューラルネットワークの基礎

上記のnn.cをRubyで書き換えてみました。
なお、完全に同一ではありませんので悪しからず。

nn.rb

# ライブラリの読込
include Math

# 定数の定義
$inputno = 3
$hiddenno = 2
$maxinputno = 100

# 学習データの読み込み
def getdata()

  e = [
    [0.0,0.0],
    [0.0,1.0],
    [1.0,0.0],
    [1.0,1.0]
  ]
  
  return e
  
end

# 順方向の計算
def forward(wh, wo, hi, e)
  
  u = 0.0
  o = 0.0
  
  (0..$hiddenno-1).each do |i|
    u = 0.0
    j = 0
    e.each do |e_val|
      u += e_val * wh[i][j]
      j += 1
    end
    u -= wh[i][j]
    hi[i] = f(u)
  end
  
  o = 0.0
  
  (0..$hiddenno).each do |i|
    o += hi[i] * wo[i]
  end
  
  o -= wo[wo.length-1]
  
  return f(o)

end

# 中間層の重みの初期化
def initwh(n_of_hidden, n_of_row)
  
  w = Array.new(n_of_hidden).map{
    Array.new(n_of_row + 1)
  }
  
  w[0][0] = -2.0
  w[0][1] = 3.0
  w[0][2] = -1.0
  w[1][0] = -2.0
  w[1][1] = 1.0
  w[1][2] = 0.5
  
  return w
  
end

# 出力層の重みの初期化
def initwo(n_of_hidden)
  
  w = Array.new(n_of_hidden + 1)
  
  w[0] = -60.0
  w[1] = 94.0
  w[2] = -1.0
  
  return w
  
end

# 中間層の出力の初期化
def inithi(n_of_hidden)
  
  hi = Array.new(n_of_hidden + 1).map{ 0.0 }
  
  return hi
  
end

# 伝達関数
def f(u)
  
  x = 0.0
  
  if u >= 0.0
    x = 1.0
  else
    x = 0.0
  end
  
  return x
  #return 1.0 / (1.0 + exp(-u))
  
end

# メインプログラム

e = getdata()

wh = initwh($hiddenno, e[0].length)
wo = initwo($hiddenno)
hi = inithi($hiddenno)

n_of_e = e.length

puts "データの個数:#{n_of_e}"

o = 0.0

e.each do |vals|
  o = forward(wh, wo, hi, vals)
  puts "入力: #{vals}, 出力: #{o}"
end

実行

$ ruby nn.rb
データの個数:4
入力: [0.0, 0.0], 出力: 0.0
入力: [0.0, 1.0], 出力: 1.0
入力: [1.0, 0.0], 出力: 1.0
入力: [1.0, 1.0], 出力: 0.0

できた！