书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第10章目录
10.8 实现前馈动画
- 还有一个有趣的问题：如何用可视化方式实现神经网络的信息流传递。
我们的神经网络基于前馈模型，也就是说，第一个神经元（绘制在窗口的最左边）产生的输出将沿着连接向右流动，直到生成整个网络的输出。
一、接收输入
- 第一步操作就是在网络中添加一个函数，这个函数用于接收输入，输入是介于0~1的随机数。
void setup() {
之前的神经网络初始化代码
network.feedforward(random(1)); 新函数用于接收输入
}
- 神经网络管理着所有神经元，可以选择让哪个神经元处理输入。
为了让本例尽可能简单，我们只把输入传给ArrayList中的第一个神经元，也就是显示在屏幕最左边的神经元。
class Network {
void feedforward(float input) { 新函数将输入传给神经元
Neuron start = neurons.get(0);
start.feedforward(input);
}
- 接着，我们要在Neuron类中添加feedforward()函数。这个函数负责接收和处理输入。
class Neuron
void feedforward(float input) {
如何处理输入呢
}
- 回顾感知器的实现，神经元的任务就是对所有输入加权求和。因此我们可以在Neuron类中添加一个sum变量，用它累加所有输入。
class Neuron
int sum = 0;
void feedforward(float input) {
sum += input; 累加所有输入
}
二、输出
- 神经元可以决定它是否“发射”，也就是将输出通过何种连接传递给下一层。在这里，我们创建了一个非常简单的激励函数：如果总和大于1，就发射！
void feedforward(float input) {
sum += input;
if (sum > 1) { 激活神经元，“发射”输出
fire();
sum = 0; 输出被“发射”后，将总和清零
}
}
- fire()函数如何实现？前面提到，每个神经元都存储了对其他神经元的连接。因此我们要在fire()函数中遍历这些连接，对它们调用feedforward()函数。
在本例，我们将神经元的sum变量作为输出。
void fire() {
for (Connection c : connections) {
c.feedforward(sum); 神经元将总和传给所有连接
}
}
三、动画
- 下面的问题比较棘手，因为我们的任务不只是创建正常运行的神经网络，还要实现运行动画。如果仅仅是为了前者，神经网络可以立即将输入传给下一个神经元，如下所示：
class Connection {
void feedforward(float val) {
b.feedforward(val*weight);
}
但这并不是我们想要的。我们还要实现信息流由神经元a流向b的动画。
我们先思考如何实现这个特性。神经元a和神经元b的位置是已知的，分别
为a.location和b.location。除此之外，我们还要引入另一个向量用于表示信息流的流向。
PVector sender = a.location.get();有了神经元a的位置后，我们可以利用前面学到的运动算法让信息沿着路径前进。
我们简单地将路径定为从神经元a到b的线段：
sender.x = lerp(sender.x, b.location.x, 0.1);
sender.y = lerp(sender.y, b.location.y, 0.1);
- 用一条线段表示神经元连接，并在信息所在的位置画个圆圈：
stroke(0);
line(a.location.x, a.location.y, b.location.x, b.location.y);
fill(0);
ellipse(sender.x, sender.y, 8, 8);
-
合起来就是这样的效果：
这么做就能让信息沿着连接线移动，但是如何确定移动的时机？一旦Connection对象接收到“前馈”信号，就开始移动过程。我们可以引入一个布尔变量记录当前连接是否正在传输信号。之前，我们用以下方式传递信号：
void feedforward(float val) {
b.feedforward(val*weight);
}
- 现在，我们不再直接传输数据，而是在feedforward()函数中触发动画。
class Connection {
boolean sending = false;
PVector sender;
float output;
void feedforward(float val) {
sending = true; 传输标志被置为true
sender = a.location.get(); 动画从神经元a开始
output = val*weight; 存放输出值，在合适时机传输到下一节点
}
- 注意，Connection类现在需要3个新的变量：布尔变量sending起始值为false，主要记录了连接是否正在传输信号（是否有动画）；PVector对象的sender变量记录了移动点的位置；由于我们不会立即传递输出值，因此还要引入一个output变量存储它，以便后续使用。
四、更新
- 一旦连接被激活，feedforward()函数就会被调用。在激活状态下，我们还需要不断地更新信息点的位置（在draw()函数中更新）。
void update() {
if (sending) {
sender.x = lerp(sender.x, b.location.x, 0.1); 在传输过程中更新信息点的位置
sender.y = lerp(sender.y, b.location.y, 0.1);
}
}
- 但这里还少了一个关键元素，我们还需要检查sender变量是否已经达到神经元b，如果已经达到，就将输出前馈到下一个神经元。
void update() {
if (sending) {
sender.x = lerp(sender.x, b.location.x, 0.1);
sender.y = lerp(sender.y, b.location.y, 0.1);
float d = PVector.dist(sender, b.location); 计算距神经元b的距离
if (d < 1) { 如果足够接近（小于1像素），就传递输出值，并停止动画
b.feedforward(output);
sending = false;
}
}
}
五、运行结果
