NeuralNets.R

library("neuralnet")
########################################################################################
#
# Neural nets
#
########################################################################################
#
AND <- c(rep(0,7),1)
OR <- c(0,rep(1,7))
binary.data <- data.frame(expand.grid(c(0,1), c(0,1), c(0,1)), AND, OR)
print(net <- neuralnet(AND+OR~Var1+Var2+Var3, binary.data,
                       hidden=1,
                       rep=100,
                       err.fct="ce",
                       linear.output=FALSE))
########################################################################################

data(infert, package="datasets")
print(net.infert <- neuralnet(case~parity+induced+spontaneous,  infert,
                              err.fct="ce", linear.output=FALSE, likelihood=TRUE))
gwplot(net.infert, selected.covariate="parity")
gwplot(net.infert, selected.covariate="induced")
gwplot(net.infert, selected.covariate="spontaneous")
confidence.interval(net.infert)
########################################################################################

Var1 <- runif(50, 0, 100)
sqrt.data <- data.frame(Var1, Sqrt=sqrt(Var1))
print(net.sqrt <- neuralnet(Sqrt~Var1, sqrt.data, hidden=10,
                            threshold=0.01))
compute(net.sqrt, (1:10)^2)$net.result
########################################################################################

Var1 <- rpois(100,0.5)
Var2 <- rbinom(100,2,0.6)
Var3 <- rbinom(100,1,0.5)
SUM <- as.integer(abs(Var1+Var2+Var3+(rnorm(100))))
sum.data <- data.frame(Var1+Var2+Var3, SUM)
print(net.sum <- neuralnet(SUM~Var1+Var2+Var3, sum.data, hidden=1,
                           act.fct="tanh"))
prediction(net.sum)
########################################################################################