一个适用于 Node.js 和浏览器的灵活神经网络库。请查看使用 Mind 构建的电影推荐引擎的实时 演示。

特性

• 向量化：采用矩阵实现来处理训练数据
• 可配置：允许自定义网络拓扑结构
• 可插拔：可下载/上传已学习好的模型

安装

$ yarn add node-mind

使用

const Mind = require('node-mind');

/**
 * 字母。
 *
 * - 假设这些 # 和 . 分别代表黑色和白色像素。
 */

const a = character(
  '.#####.' +
  '#.....#' +
  '#.....#' +
  '#######' +
  '#.....#' +
  '#.....#' +
  '#.....#'
)

const b = character(
  '######.' +
  '#.....#' +
  '#.....#' +
  '######.' +
  '#.....#' +
  '#.....#' +
  '######.'
)

const c = character(
  '#######' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '#######'
)

/**
 * 学习字母 A 到 C。
 */

const mind = new Mind({ activator: 'sigmoid' })
  .learn([
    { input: a, output: map('a') },
    { input: b, output: map('b') },
    { input: c, output: map('c') }
  ])

/**
 * 预测字母 C，即使有一个像素缺失。
 */

const result = mind.predict(character(
  '#######' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '##.....' +
  '#######'
))

console.log(result) // ~ 0.5

/**
 * 将 # 转换为 1，将 . 转换为 0。
 */

function character(string) {
  return string
    .trim()
    .split('')
    .map(integer)

  function integer(symbol) {
    if ('#' === symbol) return 1
    if ('.' === symbol) return 0
  }
}

/**
 * 将字母映射为数字。
 */

function map(letter) {
  if (letter === 'a') return [ 0.1 ]
  if (letter === 'b') return [ 0.3 ]
  if (letter === 'c') return [ 0.5 ]
  return 0
}

插件

使用 Mind 社区创建的插件，可以配置预先训练好的网络，直接用于预测。

以下是一个使用假设的 mind-ocr 插件的示例：

const Mind = require('node-mind')
const ocr = require('mind-ocr')

const mind = Mind()
  .upload(ocr)
  .predict(
    '.#####.' +
    '#.....#' +
    '#.....#' +
    '#######' +
    '#.....#' +
    '#.....#' +
    '#.....#'
  )

要创建插件，只需对训练好的模型调用 download 方法：

const Mind = require('node-mind')

const mind = Mind()
  .learn([
    { input: [0, 0], output: [ 0 ] },
    { input: [0, 1], output: [ 1 ] },
    { input: [1, 0], output: [ 1 ] },
    { input: [1, 1], output: [ 0 ] }
  ]);

const xor = mind.download()

以下是可用插件列表：

• xor

API

Mind(options)

创建一个新的 Mind 实例，用于学习并进行预测。

可用选项包括：

• activator: 激活函数，可选 sigmoid 或 htan
• learningRate: 网络的学习速率
• hiddenUnits: 隐藏层中的单元数量
• iterations: 迭代次数
• hiddenLayers: 隐藏层的数量

.learn()

根据训练数据学习：

mind.learn([
  { input: [0, 0], output: [ 0 ] },
  { input: [0, 1], output: [ 1 ] },
  { input: [1, 0], output: [ 1 ] },
  { input: [1, 1], output: [ 0 ] }
])

.predict()

进行预测：

mind.predict([0, 1])

.download()

下载一个模型：

const xor = mind.download()

.upload()

上传一个模型：

mind.upload(xor)

.on()

监听 'data' 事件，该事件在每次迭代时触发：

mind.on('data', (iteration, errors, results) => {
  // ...
})

发布 / 上架

CircleCI 将负责发布到 npm。要发布新版本，只需执行以下命令：

$ git changelog --tag <version>
$ vim package.json # 输入 <version>
$ git release <version>

其中 <version> 需遵循 semver 规范。

注释

如果您想了解更多，我写了一篇关于如何构建自己的神经网络的博客文章：

• 如何构建神经网络

此外，这里还有一些很棒的库供您参考：

• convnetjs
• synaptic
• brain

许可证

MIT

---

stevenmiller888.github.io  ·  GitHub @stevenmiller888  ·  Twitter @stevenmiller888

Mind 快速上手指南

Mind 是一个适用于 Node.js 和浏览器的灵活神经网络库。它支持向量化数据处理、自定义网络拓扑，并允许导入/导出已训练好的模型。

环境准备

• 运行环境：Node.js (推荐 LTS 版本) 或现代浏览器
• 包管理器：npm 或 yarn
• 前置依赖：无特殊系统依赖，仅需 JavaScript 运行环境

💡 国内加速建议：如遇安装缓慢，可配置淘宝镜像源：

npm config set registry https://registry.npmmirror.com
# 或
yarn config set registry https://registry.npmmirror.com

安装步骤

使用 yarn 安装（推荐）：

yarn add node-mind

或使用 npm 安装：

npm install node-mind

基本使用

以下示例演示如何训练一个简单的神经网络来识别字符图案（将 # 视为 1，. 视为 0）：

const Mind = require('node-mind');

// 辅助函数：将字符图案转换为数字数组
function character(string) {
  return string
    .trim()
    .split('')
    .map(symbol => symbol === '#' ? 1 : 0);
}

// 辅助函数：将字母映射为数值标签
function map(letter) {
  if (letter === 'a') return [0.1];
  if (letter === 'b') return [0.3];
  if (letter === 'c') return [0.5];
  return [0];
}

// 定义训练数据（字符 A, B, C）
const a = character(
  '.#####.' +
  '#.....#' +
  '#.....#' +
  '#######' +
  '#.....#' +
  '#.....#' +
  '#.....#'
);

const b = character(
  '######.' +
  '#.....#' +
  '#.....#' +
  '######.' +
  '#.....#' +
  '#.....#' +
  '######.'
);

const c = character(
  '#######' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '#######'
);

// 创建并训练模型
const mind = new Mind({ activator: 'sigmoid' })
  .learn([
    { input: a, output: map('a') },
    { input: b, output: map('b') },
    { input: c, output: map('c') }
  ]);

// 进行预测（即使有一个像素错误，也能识别出 C）
const result = mind.predict(character(
  '#######' +
  '#......' +
  '#......' +
  '#......' +
  '#......' +
  '##.....' +
  '#######'
));

console.log(result); // 输出接近 0.5 的值

核心 API 简述

• new Mind(options)：创建实例。可选配置包括 activator (激活函数), learningRate (学习率), hiddenUnits (隐藏层单元数) 等。
• .learn(data)：传入 { input, output } 数组进行训练。
• .predict(input)：输入数据获取预测结果。
• .download() / .upload(model)：导出或导入已训练好的模型数据，便于持久化或作为插件复用。