Eine Übersicht über den Code

canvaselements-functions/:

add-canvaselement.js remove-all-canvaselements.js

Hinzufügen und Löschen eines canvas-elements und da alle anderen Klassen davon erben wird hier eine Index-Struktur implementiert um eine Übersicht zu haben, was alles an Objekten gerade exisitert.

classes/:

canvaselement.js colorScale.js eoutput.js line.js matrix.js neuron.js output.js sidebar.js

Jede Klasse hat ihre eigene Datei, wobei fast jede Klasse von canvaselement erbt!

plot/:

myPlot.js openPlotWindow.js plot.html

Hier sind nur ungenutze Code-Relikte.

save-load-file/:

load-dataset.js load-file.js save-file.js splitData.js

In der Datei load-file ist der Code zum Laden eines gespeicherten Neuronalen Netzes. Beachte, dass hier nicht das Lernverfahren gespeichert wird, sondern nur die Struktur des Netzwerks und der Eingabematrizen.
In der Datei save-file wird das Netzwerk entsprechend im json Format gespeichert.

In der Datei load-dataset gibt es verschiedene Methoden die aufeinander aufbauen. Diese Dokumentation ist etwas ausführlicher, da sie während der Entwicklung gut gepflegt wurde.

csvToArray
    wandelt die gegebene Datei in ein array um, wo jede zeile ein array ist
    gibt labelvektor zurück

addEventListener
    liest Datei ein
    wandelt sie in array um - csvToArray
    macht Matrix draus - createMatrix
    nutzt csvToArray, createMatrix

TransformRowToMatrix
    wandelt gegebene Zeile des Datensazes in matrixarray um und labelvektor
    nutzt keine andere funktion

transformDataToMatrics
    wandelt alle zeilen eines datensatzes in matrixarray, labelvektor um 
    benutzt transformRowToMatrix

create Matrix
    lösche alte matrizen
    erstelle neue Matirzen auf canvas
    lösche outputs
    erstelle neue outputs
    setze alle label der outputs richtig
    nutzt transformDataToMatrics 

loadScriptFile
    lade skript datei in textfeld

In der Datei splitData werden die Eingabematrizen aufteilt in Test und Trainingsmatrizen. Hierbei handelt es sich jedoch um ein voll funktionsfähiges Relikt, dass wegen der fehlenden Möglichkeit der Evaluation der Modelle nicht genutzt wird.

training/:

backpropagation.js calculate-error.js eigenesTraining.js random-training.js start-training.js training-getter.js

In den Dateien

random-training
backpropagation
eigenes-Training

sind jeweils die spezifischen Lernverfahren implementiert.

Die Datei start-training ist Lernverfahren unabhängig und ruft rundenbasiert das jeweils ausgewählte Lernverfahren auf und achtet auf die serielle Ausführung mittels der pause Funktion, sodass auch bei großen Rundendauern bei der Animation nichts falsch läuft durch synchrone Ausführungen des Codes. Diese Datei ist also die Trainings-Masterdatei.

In der Datei training-getter sind nur Hilfsfunktionen die die gewählten Parameter des Nutzers abfragen.

In der Datei calculate-error sind zwei Fehlermetriken implementiert. Dabei nimmt der maximumError den größten Fehler alles Eingabematrizen, sodass mit dieser Metrik die schlechteste Eingabematrix optimiert wird. Der quadraticError ist einfach der Standardfehler im Maschinellen Lernen.

andere Skripte

createStandardNetwork.js

erstelle das Standardnetzwerk
- frage Parameter ab
- lösche alle alten Neuronen, Linien
- erstelle Neuronen und verbinde sie (ohne Neuronen des letzten Layers)
- verbinde Neuronen mit Eingabematrix
- erstelle so viele Neuronen im letzten Layer wie Ergebnis-Outputs existieren
- verbinde Neuronen des letzten Layers mit Ergebnis-Outputs (diese wurden extra nicht gelöscht)
- verbinde Neuronen des letzten Layers mit den restlichen Neuronen
- sortiere Netzwerk
init.js

Initialisierung der Website und der Tools

main.js

Erstelle Anfangsnetz manuell damit die Website nicht leer ist und man sofort starten kann
mouse-pos.js

Maus Handling
onload.js

Verhalten der Website beim Neu-Laden
sort-network.js

sortiert das Netzwerk für eine schöne Darstellung

unnötige Elemente können wahlweise gelöscht werden
functions.js

Zoom- Funktionen und einzelne Getter
linearity.js

Aktivierungsfunktionen werden hier implementiert und ihre Ableitung
math-functions.js

hat nur eine Funktion - calculateStickedCoordinates damit die Neuronen immer auf einem Raster angeordnet sind
normalizeDataSet.js

normalisiert die Eingabewerte aller Matrizen - normalisiert aber nicht die zu vorhersagenden Werte einer Matrix

updatet danach die Darstellung in der rechten Sidebar
showUnshowOptions.js

Zeigt einzelne html-Elemente der index.html an bzw. löscht oder fügt sie hinzu je nachdem welches Lernverfahren etc. gewählt wurde
tools.js

implementiert die Tool-Funktionen, damit ein Tool wie z.B. das Hinzufügen von Neuronen aktiv bleibt, wenn man ein Neuron hinzugefügt hat und man nicht immer neu auf den Button Neuron hinzufügen klicken muss

Developer Handbuch