Предопределённые константы

Следующие константы определяются модулем и доступны, только если модуль либо собрали в PHP, либо динамически загрузили при выполнении кода.

FANN_TRAIN_INCREMENTAL (int): Стандартный алгоритм обратного распространения ошибки, в котором веса обновляются после каждого обучающего шаблона. Это означает, что веса обновляются множество раз в течение одной эпохи. Это приводит к тому, что для некоторых задач обучение будет происходить очень быстро, в то время как с более сложными задачами обучение не будет давать нужного качества.
FANN_TRAIN_BATCH (int): Стандартный алгоритм обратного распространения ошибки, в котором веса обновляются после вычисления среднеквадратичной погрешности на всем обучающем наборе. Это означает, что веса обновляются всего один раз в течение одной эпохи. Это приводит к тому, что для некоторых задач обучение будет происходить медленнее. С другой стороны, вычисление среднеквадратичной погрешности более корректно, нежели чем в инкрементальном обучении, что позволяет получить более качественную сеть.
FANN_TRAIN_RPROP (int): Более продвинутый алгоритм пакетного обучения, позволяющий достичь хороших результатов для многих задач. Обучающий алгоритм RPROP является адаптивным и, следовательно, не использует learning_rate. Тем не менее можно установить некоторые другие параметры для изменения работы алгоритма RPROP, но это рекомендуется делать только тем, кто понимает принципы работы этого алгоритма. Обучающий алгоритм RPROP описан Редмиллером и Брауном в 1993 г., но тут используется обучающий алгоритм iRPROP, описанный Игелем и Хаскиным в 2000 г., который является вариантом стандартного алгоритма RPROP.
FANN_TRAIN_QUICKPROP (int): Более продвинутый алгоритм пакетного обучения, позволяющий достичь хороших результатов для многих задач. Алгоритм quickprop использует параметр learning_rate наряду с другими параметрами, но изменять эти параметры рекомендуется только если вы понимаете, что делаете. Обучающий алгоритм quickprop описан Фальманом в 1988 г.
FANN_TRAIN_SARPROP (int): Ещё более продвинутый алгоритм тренировки. Только для версии 2.2

FANN_LINEAR (int): Линейная функция активации.
FANN_THRESHOLD (int): Функция активации по порогу.
FANN_THRESHOLD_SYMMETRIC (int): Функция активации по порогу.
FANN_SIGMOID (int): Функция активации по сигмоиде.
FANN_SIGMOID_STEPWISE (int): Пошаговая линейная апроксимация к сигмоиде.
FANN_SIGMOID_SYMMETRIC (int): Функция активации по симметричной сигмоиде, она же tanh (гиперболический тангенс).
FANN_SIGMOID_SYMMETRIC_STEPWISE (int): Пошаговая линейная апроксимация к симметричной сигмоиде.
FANN_GAUSSIAN (int): Гауссова функция активации.
FANN_GAUSSIAN_SYMMETRIC (int): Симметричная гауссова функция активации.
FANN_GAUSSIAN_STEPWISE (int): Пошаговая гауссова функция активации.
FANN_ELLIOT (int): Быстрая (похожая на сигмоиду) функция активации, описанная Дэвидом Эллиотом.
FANN_ELLIOT_SYMMETRIC (int): Быстрая (похожая на симметричную сигмоиду) функция активации, описанная Дэвидом Эллиотом.
FANN_LINEAR_PIECE (int): Ограниченная линейная функция активации.
FANN_LINEAR_PIECE_SYMMETRIC (int): Ограниченная линейная функция активации.
FANN_SIN_SYMMETRIC (int): Периодическая синусоидальная функция активации.
FANN_COS_SYMMETRIC (int): Периодическая косинусоидальная функция активации.
FANN_SIN (int): Периодическая синусоидальная функция активации.
FANN_COS (int): Периодическая косинусоидальная функция активации.

FANN_ERRORFUNC_LINEAR (int): Стандартная линейная функция ошибки.
FANN_ERRORFUNC_TANH (int): Функция ошибки на основе гиперболического тангенса (tanh); обычно более качественное, но и более медленное обучение. Функция ошибки агрессивно нацелена на результаты сильно отличающиеся от ожидаемых, в то время, как результаты с небольшими отличиями не затрагиваются. Не рекомендуется для каскадного или инкрементального обучения.

FANN_STOPFUNC_MSE (int): Критерий остановки - это значение среднеквадратичной ошибки (Mean Square Error или MSE).
FANN_STOPFUNC_BIT (int): Критерий остановки - это количество ошибочных бит. Количество ошибочных бит - это количество отдающих нейронов, количество ошибочных бит, которые более установленного предела (смотрите fann_get_bit_fail_limit, fann_set_bit_fail_limit). Биты считаются во всех обучающих данных, так что это число может быть больше количества обучающих данных.

FANN_NETTYPE_LAYER (int): Каждый уровень имеет связи только со следующим уровнем.
FANN_NETTYPE_SHORTCUT (int): Каждый уровень имеет связи со всеми последующими уровнями.

FANN_E_NO_ERROR (int): Нет ошибки.
FANN_E_CANT_OPEN_CONFIG_R (int): Невозможно открыть конфигурационный файл на чтение.
FANN_E_CANT_OPEN_CONFIG_W (int): Невозможно открыть конфигурационный файл на запись.
FANN_E_WRONG_CONFIG_VERSION (int): Неверная версия конфигурационного файла.
FANN_E_CANT_READ_CONFIG (int): Ошибка чтения данных из конфигурационного файла.
FANN_E_CANT_READ_NEURON (int): Ошибка чтения данных нейрона из конфигурационного файла.
FANN_E_CANT_READ_CONNECTIONS (int): Ошибка чтения данных связей из конфигурационного файла.
FANN_E_WRONG_NUM_CONNECTIONS (int): Количество связей отличается от ожидаемого.
FANN_E_CANT_OPEN_TD_W (int): Невозможно открыть файл с обучающими данными на запись.
FANN_E_CANT_OPEN_TD_R (int): Невозможно открыть файл с обучающими данными на чтение.
FANN_E_CANT_READ_TD (int): Ошибка чтения обучающих данных из файла.
FANN_E_CANT_ALLOCATE_MEM (int): Невозможно выделить память.
FANN_E_CANT_TRAIN_ACTIVATION (int): Обучение с заданной функцией активации невозможно.
FANN_E_CANT_USE_ACTIVATION (int): Невозможно использовать заданную функцию активации.
FANN_E_TRAIN_DATA_MISMATCH (int): Неразрешимые различия между двумя структурами fann_train_data.
FANN_E_CANT_USE_TRAIN_ALG (int): Невозможно использовать указанный алгоритм обучения.
FANN_E_TRAIN_DATA_SUBSET (int): Попытка взять подмножество отсутствующее в обучающем наборе.
FANN_E_INDEX_OUT_OF_BOUND (int): Индекс за пределами допустимого диапазона.
FANN_E_SCALE_NOT_PRESENT (int): Не задан параметр масштабирования.
FANN_E_INPUT_NO_MATCH (int): Количество входных нейронов в сети и данных не совпадают.
FANN_E_OUTPUT_NO_MATCH (int): Число выходных нейронов в сети и данных не совпадают.