canvas - 简单的神经网络
1.国际惯例,先上效果图
一下效果图使用三次贝塞尔曲线进行连线,代码中有直接使用直线连线的代码,可直使用。

2.查看演示请看 这里。
3 代码
html:
<canvas id="canvas" width="1920" height="1080"></canvas>
js: 这代码看起来可以说十分直白了,注释不放过任何一个角落。
var canvas = document.getElementById('canvas');
var width = document.documentElement.clientWidth;
var height = document.documentElement.clientHeight;
canvas.width = width;
canvas.height = height;
var ctx = canvas.getContext('2d');
var PI = Math.PI;
// 点的数量
var point_count = 100;
// 存放点的数组
var point_list = new Array(point_count);
// 最大点间距
var max_space = 50;
// 每次更新位置最大的行进距离
var max_speed = 1;
// 点的半径
var point_r = 3;
// 线宽
var lineWidth = 1;
var strokeStyle = '#2779D7';
var fillStyle = '#2779D7';
for (var i = 0; i < point_count; i++) {
point_list[i] = {
// x 轴位置
x: Math.round(Math.random() * (width - point_r * 2)),
// y 轴位置
y: Math.round(Math.random() * (height - point_r * 2)),
// x 轴速度
speedX: Math.random() * max_speed * 2 - max_speed,
// y 轴速度
speedY: Math.random() * max_speed * 2 - max_speed,
}
}
function update() {
point_list.forEach(function (value) {
// 更新位置信息
value.x += value.speedX;
value.y += value.speedY;
// 超出屏幕后 在屏幕另一侧对应位置出现
// if (value.x > width + max_space) value.x = -max_space;
// if (value.x < -max_space) value.x = width + max_space;
// if (value.y > height + max_space) value.y = -max_space;
// if (value.y < -max_space) value.y = height + max_space;
// 碰壁反弹
if (value.x > width || value.x < 0) value.speedX = -value.speedX;
if (value.y > height || value.y < 0) value.speedY = -value.speedY;
})
}
function draw() {
var arr = point_list;
ctx.clearRect(0, 0, width, height)
ctx.strokeStyle = strokeStyle;
ctx.fillStyle = fillStyle;
ctx.lineWidth = lineWidth;
for (var i = 0; i < arr.length; i++) {
ctx.beginPath()
ctx.globalAlpha = 1
ctx.arc(arr[i].x, arr[i].y, point_r, 0, PI * 2)
ctx.fill()
for (var j = i + 1; j < arr.length; j++) {
// 计算每两个点的距离, 三角形的斜边 的平方 = 两直角边平方和
var s = max_space - Math.sqrt((arr[j].x - arr[i].x) * (arr[j].x - arr[i].x) + (arr[j].y - arr[i].y) * (arr[j].y - arr[i].y));
// 计算的两点之间线的透明度,如果距离小于最大距离 透明度为 1 , 如果大于 最大距离小于 1.5倍最大距离,透明度线性衰减,大于1.5倍时透明度为0
var opc = (s >= 0 ? 1 : (s < - max_space / 2) ? 0 : 1 - s / - max_space * 2);
// 通过线透明度判断是否需要画线,如果透明度大于零,就划线。
if (opc > 0) {
ctx.beginPath();
ctx.globalAlpha = opc;
// 画直线
// ctx.moveTo(arr[i].x, arr[i].y);
// ctx.lineTo(arr[j].x, arr[j].y);
// 画贝塞尔曲线
ctx.moveTo(arr[i].x, arr[i].y);
ctx.bezierCurveTo(arr[i].x, arr[i].y + (arr[j].y - arr[i].y) * 0.5, arr[i].x + arr[j].x - arr[i].x, arr[i].y + (arr[j].y - arr[i].y) * 0.5, arr[j].x, arr[j].y);
ctx.stroke();
}
}
}
// 更新位置
update();
}
function loop() {
// 循环程序
draw();
setTimeout(loop, 1000/60)
}
window.onload = loop;
()
canvas - 简单的神经网络的更多相关文章
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
刚开始学习tf时,我们从简单的地方开始.卷积神经网络(CNN)是由简单的神经网络(NN)发展而来的,因此,我们的第一个例子,就从神经网络开始. 神经网络没有卷积功能,只有简单的三层:输入层,隐藏层和输 ...
- tensorflow笔记(二)之构造一个简单的神经网络
tensorflow笔记(二)之构造一个简单的神经网络 版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/7425200.html ...
- TensorFlow入门,基本介绍,基本概念,计算图,pip安装,helloworld示例,实现简单的神经网络
TensorFlow入门,基本介绍,基本概念,计算图,pip安装,helloworld示例,实现简单的神经网络
- C++从零实现简单深度神经网络(基于OpenCV)
代码地址如下:http://www.demodashi.com/demo/11138.html 一.准备工作 需要准备什么环境 需要安装有Visual Studio并且配置了OpenCV.能够使用Op ...
- 用pytorch1.0快速搭建简单的神经网络
用pytorch1.0搭建简单的神经网络 import torch import torch.nn.functional as F # 包含激励函数 # 建立神经网络 # 先定义所有的层属性(__in ...
- 用pytorch1.0搭建简单的神经网络:进行多分类分析
用pytorch1.0搭建简单的神经网络:进行多分类分析 import torch import torch.nn.functional as F # 包含激励函数 import matplotlib ...
- 用pytorch1.0搭建简单的神经网络:进行回归分析
搭建简单的神经网络:进行回归分析 import torch import torch.nn.functional as F # 包含激励函数 import matplotlib.pyplot as p ...
- ensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
http://www.cnblogs.com/denny402/p/5852983.html ensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试 刚开始学习tf时,我们从 ...
- Python实现一个简单三层神经网络的搭建并测试
python实现一个简单三层神经网络的搭建(有代码) 废话不多说了,直接步入正题,一个完整的神经网络一般由三层构成:输入层,隐藏层(可以有多层)和输出层.本文所构建的神经网络隐藏层只有一层.一个神经网 ...
随机推荐
- [2016北京集训测试赛7]isn-[树状数组+dp+容斥]
Description Solution 定义dp[i][j]为在1到i个数中选了j个数,并且保证选了i的选法总数. dp[i][j]为所有满足A[k]>A[i]的k(k<i)的dp[k] ...
- lamp环境搭建(centos6.9+apache2.4+mysql5.7+php7.1)
lamp环境搭建(centos6.9+apache2.4+mysql5.7+php7.1) 安装前准备:CentOS 6.9 64位 最小化安装 yum install -y make gcc gcc ...
- 【BZOJ4008】[HNOI2015]亚瑟王
[BZOJ4008][HNOI2015]亚瑟王 题面 bzoj 洛谷 题解 由期望的线性性 可以知道,把所有牌打出的概率乘上它的伤害加起来就是答案 记第$i$张牌打出的概率为$fp[i]$ 则 $$ ...
- bzoj1901&zoj2112&cogs257 Dynamic Rankings(动态排名系统)
bzoj1901&zoj2112&cogs257 Dynamic Rankings(动态排名系统) cogs zoj bzoj-权限 题解 bzoj和zoj都是骗访问量的233,我没有 ...
- sqlite两表更新update
1 2 3 4 5 6 7 8 9 10 11 12 UPDATE t1 SET Column1 = ( SELECT Columnx FROM t2 WHERE t2. KEY = ...
- java class file
目录 什么是java类文件 幻数 主次版本号 常量池数和常量池 this_class super_class 接口数量和接口 字段数和字段 方法数和方法 以下内容主要还是参考<Inside JV ...
- K-means算法实现
目录 K-means K-means x = xlsread("D:\MatlabData\西瓜数据集.xlsx"); m = length(x); [Idx,C]=kmeans( ...
- Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
1. 摘要 训练深层的神经网络非常困难,因为在训练的过程中,随着前面层数参数的改变,每层输入的分布也会随之改变.这需要我们设置较小的学习率并且谨慎地对参数进行初始化,因此训练过程比较缓慢. 作者将这种 ...
- nginx响应client的处理机制
nginx与apache的不同响应机制——epoll nginx可以处理上百万级别的并发请求就是源至于异步非阻塞的处理机制,异步非阻塞核心即是epoll nginx内部反向代理
- [python][odlboy]设置字符串打印的颜色
格式:\033[显示方式;前景色;背景色m 说明:前景色 背景色 颜色---------------------------------------30 ...