开源一个基于Storm 分布式BP神经网络的Demo（Java版）
RT，这个Demo是我去年写，功能上没有大问题
该demo有3个缺点
1、代码性能一般，有一定的优化空间。由于是Demo，当时写的时候只考虑功能，没考虑性能
2、神经细胞层数被写死了，只有2层，如果要添加细胞层需要改源码。
3、训练任然是串行的，没有充分利用分布式框架并行计算优势。但是后续的计算任然是并行的，只要添加DRPC Client或者自定义DSpout就行了

帖子里我就不介绍Storm和神经网络原理了
我会单独写一篇博文介绍，预计本周内完成，连接：http://blog.csdn.net/tntzbzc/article/details/19974515

Spout启动+Drpc Client 训练++Drpc Client 计算
三个我放在一个main中了
第一个是服务端job 启动
第二个是训练（串行），测试的训练数据是任意整数，把它转成32个由0或1组成的double数组作为输入参数(input),以及一个double[4]的结果值(real)
real[4]：1 0 0 0 正奇数 0 1 0 0 正偶数 0 0 1 0 负奇数 0 0 0 1 负偶数
两层细胞的权重weight是随机生成的
随机生成了1000个样本，训练2000次

第三个是计算，如果想实现分布式并行计算，可以自己添加Client

public class DrpcClient {



	/****************************************

	 * by CSDN 撸大湿 Email : tntzhou@hotmail.com

	 ****************************************/



	public static void main(String[] args) throws Exception {

		int InputHideCount = 32; /* Input Hide输入数量 */

		int HideOutCount = 10; /* Hide Bolt输出数量，等于是Out Bolt的输入数量 */

		int OutCount = 4; /* Out输出数量，等于Real的数量 */



		TopologyBuilder builder = new TopologyBuilder();

		DRPCSpout drpcSpout = new DRPCSpout("BPTrain");

		builder.setSpout("drpcSpout", drpcSpout, 1);

		builder.setBolt("hide", new HideBolt(), HideOutCount).allGrouping("drpcSpout");



		// OutBolt的传参 必须等于 HideBolt的个数

		builder.setBolt("out", new OutBolt(HideOutCount), OutCount).allGrouping("hide");



		// TrainBPFinsh的传参 必须等于 OutBolt的个数

		builder.setBolt("finsh", new TrainBPFinsh(OutCount), 1).allGrouping("out");



		builder.setBolt("return", new ReturnResults(), 1).allGrouping("finsh");

		Config conf = new Config();

		conf.setNumWorkers(Integer.parseInt(args[1]));

		StormSubmitter.submitTopology(args[0], conf, builder.createTopology());



		String hideweight = getWeightStr(InputHideCount + 1, HideOutCount); // 隐藏层的权重

		String outweight = getWeightStr(HideOutCount + 1, OutCount);// 输出层的权重

		DRPCClient client = new DRPCClient("mynode001", 3772);

		int[] ranInt = new int[1000];

		for (int i = 0; i < ranInt.length; i++) {

			ranInt[i] = new java.util.Random().nextInt();

		}

		int Num = 0;

		System.out.println("开始训练");

		for (int i = 0; i < 2000; i++) {

			double r = 0d;

			for (int j = 0; j < ranInt.length; j++) {//

				RandomNum MyRandom = new RandomNum(ranInt[j]);

				String input = MyRandom.getInputDataStr();

				String real = MyRandom.getRealDataStr();



				String[] result = client.execute(

						"BPTrain",

						String.valueOf(Num) + "::" + input + "::" + real + "::" + hideweight + "::"

								+ outweight).split("::");

				// 参数传入全部靠一个字符串，收取也是字符串，最基本的DRPC Client调用