c#实现神经网络分类AForge网络的保存和复用
了解到运用AForge对在c#中实现神经网络已经比较成熟了，最近做分类要用到，看了下代码，基本会用了。流程是先训练网络然后对数据进行识别。现在出现一个情况，我的样本数比较多的时候，训练网络要花比较长的时间，所以不想每次都训练结束后才能进行识别。AForge能不能把训练后的网络保存下来，然后直接调用？ 
谁知道AForge有没有保存网络再调用的相关用法。

难道真的要自己用C#写的神经网络才能保存嘛。。。

运用的例子在下面：

//整理输入输出数据 

double[][] input = new double[4][]; double[][] output = new double[4][]; 

input[0] = new double[] { 0, 0 }; output[0] = new double[] { 0 }; 

input[1] = new double[] { 0, 1 }; output[1] = new double[] { 0 }; 

input[2] = new double[] { 1, 0 }; output[2] = new double[] { 0 }; 

input[3] = new double[] { 1, 1 }; output[3] = new double[] { 1 };



for (int i = 0; i < 4; i++) 

{ 

    Console.WriteLine("input{0}:  ===>  {1},{2}  output{0}:  ===>  {3}",i,input[i][0],input[i][1],output[i][0]); 

}



//建立网络，层数1，输入2，输出1，激励函数阈函数 

ActivationNetwork network = new ActivationNetwork(new ThresholdFunction(), 2, 1);



//学习方法为感知器学习算法 

PerceptronLearning teacher = new PerceptronLearning(network);



//定义绝对误差 

double error = 1.0; 

Console.WriteLine(); 

Console.WriteLine("learning error  ===>  {0}", error);



//输出学习速率 

Console.WriteLine(); 

Console.WriteLine("learning rate ===>  {0}",teacher.LearningRate);



//迭代次数 

int iterations = 0; 

Console.WriteLine(); 

while (error > 0.001) 

{ 

    error = teacher.RunEpoch(input, output); 

    Console.WriteLine("learning error  ===>  {0}", error); 

    iterations++; 

} 

Console.WriteLine("iterations  ===>  {0}", iterations); 

Console.WriteLine(); 

Console.WriteLine("sim:");



//模拟 

for (int i = 0; i < 4; i++) 

{ 

    Console.WriteLine("input{0}:  ===>  {1},{2}  sim{0}:  ===>  {3}", i, input[i][0], input[i][1], network.Compute(input[i])[0]); 

}

参考资料：
http://www.cnblogs.com/htynkn/archive/2012/02/07/AForge_5.html