Q&A
###質問内容
javaでのニューラルネットワーク、多数パーセプトロンを実装しようとしていますがlearnメソッド内の出力計算でNullPointerExceptionを吐いてしまいます、一体何が間違っているのでしょうか
入力と中間層の数が一致していれば問題なく作動します
public void learn( double[][] x , double[] answer ) { // 変数初期化 double[] in = null; // i回目の試行で利用する教師入力データ double ans = 0; // i回目の試行で利用する教師出力データ double[] h = new double[ middleNumber ]; // 中間層の出力 double[] o = new double[ outputNumber ]; // 出力層の出力 int i = 0; double[][] seikai = new double [MAX_TRIAL][1]; double seigo = 0; // 学習 int succeed = 0; // 連続正解回数を初期化 for( i=0 ; i<MAX_TRIAL ; i++ ) { // 行間を空ける if(i % 1000 == 0){ System.out.println(); System.out.println( String.format( "Trial:%d" , i ) ); } // 使用する教師データを選択 in = x[ i % answer.length ]; ans = answer[ i % answer.length ]; // 出力値を推定：中間層の出力計算 for( int j=0 ; j<middleNumber ; j++ ) { h[j] = middleNeurons[j].output( in ); } // 出力値を推定：出力層の出力計算 for( int j=0 ; j<outputNumber ; j++ ) { //ここでNullPointerException o[j] = outputNeurons[j].output( h ); } if(i % 1000 == 0){ System.out.println( String.format( "[input] %f , %f , %f" , in[0] , in[1] , in[2] ) ); System.out.println( String.format( "[answer] %f" , ans ) ); System.out.println( String.format( "[output] %f" , o[0] ) ); System.out.println( String.format( "[middle] %f , %f" , h[0] , h[1] ) ); System.out.println(Math.abs(ans - o[0])); } if(Math.abs(ans - o[0]) < 0.01470588235){ seikai[i][0] = 1; } // 評価・判定 boolean successFlg = true; for( int j=0 ; j<outputNumber ; j++ ) { // 出力層ニューロンの学習定数δを計算 double delta = ( ans - o[j] ) * o[j] * ( 1.0d - o[j] ); // 教師データとの誤差が十分小さい場合は次の処理へ // そうでなければ正解フラグを初期化 if( Math.abs( ans - o[j] ) < MAX_GAP ){ continue; } else{ successFlg = false; } // 学習 //if(i % 1000 == 0){ //System.out.println( "[learn] before o :" + outputNeurons[j] ); //} outputNeurons[j].learn( delta , h ); //if(i % 10000 == 0){ //System.out.println( "[learn] after o :" + outputNeurons[j] ); //} } // 連続成功回数による終了判定 if( successFlg ) { // 連続成功回数をインクリメントして、 // 終了条件を満たすか確認 succeed++; if( succeed >= x.length ){ break; }else{ continue; } }else{ succeed = 0; } // 中間層の更新 for( int j=0 ; j<middleNumber ; j++ ) { // 中間層ニューロンの学習定数δを計算 double sumDelta = 0; for( int k=0 ; k<outputNumber ; k++ ) { Neuron n = outputNeurons[k]; sumDelta += n.getInputWeightIndexOf(j) * n.getDelta(); } double delta = h[j] * ( 1.0d - h[j] ) * sumDelta; // 学習 //if(i % 1000 == 0){ //System.out.println( "[learn] before m :" + middleNeurons[j] ); //} middleNeurons[j].learn( delta , in ); //if(i % 1000 == 0){ //System.out.println( "[learn] after m :" + middleNeurons[j] ); //} } // 再度出力 // 出力値を推定：中間層の出力計算 for( int j=0 ; j<middleNumber ; j++ ) { h[j] = middleNeurons[j].output( in ); } // 出力値を推定：出力層の出力計算 for( int j=0 ; j<outputNumber ; j++ ) { o[j] = outputNeurons[j].output( h ); } if(i % 1000 == 0){ System.out.println( String.format( "[input] %f , %f" , in[0] , in[1] ) ); System.out.println( String.format( "[output] %f" , o[0] ) ); System.out.println( String.format( "[middle] %f , %f" , h[0] , h[1] ) ); } } // すべての教師データで正解を出すか // 収束限度回数を超えた場合に終了 System.out.println( "[finish] " + this ); System.out.println( String.format( "Trial:%d" , i ) ); //正誤判定 for(int j = 500; j >= 1; j--){ System.out.println(seikai[i-1][0]); seigo += seikai[i-1][0]; i--; } System.out.println( String.format("正解回数は %f" , seigo )); } @Override public String toString() { // 戻り値変数 String str = ""; // 中間層ニューロン出力 str += " middle neurons ( "; for( Neuron n : middleNeurons ){ str += n; } str += ") "; // 出力層ニューロン出力 str += " output neurons ( "; for( Neuron n : outputNeurons ){ str += n; } str += ") "; return str; } /** * 多層パーセプトロン内部で利用するニューロン * @author karura */ class Neuron { // 内部変数 protected int inputNeuronNum = 0; // 入力の数 protected double[] inputWeights = null; // 入力ごとの結合加重 protected double delta = 0; // 学習定数δ protected double threshold = 0; // 閾値θ protected double eater = 1.0d; // 学習係数η /** * 初期化 * @param inputNeuronNum 入力ニューロン数 */ public Neuron( int inputNeuronNum ) { // 変数初期化 Random r = new Random(); this.inputNeuronNum = inputNeuronNum; this.inputWeights = new double[ inputNeuronNum ]; this.threshold = r.nextDouble(); // 閾値をランダムに生成 // 結合加重を乱数で初期化 for( int i=0 ; i<inputWeights.length ; i++ ) { this.inputWeights[i] = r.nextDouble();} } /** * 学習（バックプロパゲーション学習） * @param inputValues 入力データ * @param delta δ */ public void learn( double delta , double[] inputValues ) { // 内部変数の更新 this.delta = delta; // 結合加重の更新 for( int i=0 ; i<inputWeights.length ; i++ ) { // バックプロパゲーション学習 inputWeights[i] += eater * delta * inputValues[i]; } // 閾値の更新 threshold -= eater * delta; } /** * 計算 * @param inputValues 入力ニューロンからの入力値 * @return 推定値 */ public double output( double[] inputValues ) { // 入力値の総和を計算 double sum = -threshold; //System.out.println(inputNeuronNum); for( int i=0 ; i<inputNeuronNum ; i++ ){ sum += inputValues[i] * inputWeights[i]; } // 活性化関数を適用して、出力値を計算 double out = activation( sum ); return out; } /** * 活性化関数（シグモイド関数） * @param x * @return */ protected double activation( double x ) { return 1 / ( 1 + Math.pow( Math.E , -x ) ); } /** * * 入力iに対する結合加重を取得 * @param i * @return */ public double getInputWeightIndexOf( int i ) { if( i>=inputNumber ){ new RuntimeException("outbound of index"); } return inputWeights[i]; } /** * 学習定数δの取得 * @return 学習定数δ */ public double getDelta() { return delta; } /** * クラス内部確認用の文字列出力 */ @Override public String toString() { // 出力文字列の作成 String output = "weight : "; for( int i=0 ; i<inputNeuronNum ; i++ ){ output += inputWeights[i] + " , "; } return output; } } }
回答1件
0
エラーメッセージがないのと、クラスの定義がないのとで答えづらいですが……
java
1o[j] = outputNeurons[j].output( h );
ここで例外が発生するとのことですので、outputNeurons か outputNeurons[j] が null になっているんじゃないでしょうか。
その場合、初期化で何かミスしているのだと思います。
outputNeurons はクラスのメンバですよね？ ローカル変数を定義し忘れているとかでなく。
あと、これは質問とは無関係ですが、outputNumber を outputNeurons.Length と別で管理しているのはなぜでしょうか？
投稿2018/05/24 12:21
総合スコア134
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。