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


下面直接用c#写的BP网络 能实现保存，加载：
http://blog.csdn.net/jiutao_tang/article/details/6598488