神經网络C++程序.docVIP

/* ************************************** *backprop.h ************************************** */ #ifndef_BACKPROP_H_ #define_BACKPROP_H_ #define BIGRND 0x7fffffff /***神经网络的数据结构。网络被假定为一个全连接的3层前向结构， 每层的单元0是阈值，这意味着真正的神经元编号为1-n ***/ typedef struct{ int input_n; /*输入层的神经元个数*/ int hidden_n; /*隐含层的神经元个数*/ int output_n; /*输出层的神经元个数*/ double *input_units; /*输入层的神经元*/ double *hidden_units; /*隐含层的神经元*/ double *output_units; /*输出层的神经元*/ double *hidden_delta; /*隐含层的误差*/ double *output_delta; /*输出层的误差*/ double *target; /*目标向量*/ double **input_weights; /*输入层到隐藏层的连接权*/ double **hidden_weights; /*隐藏层到输出层的连接权*/ /***下面两个在迭代时使用***/ double **input_prev_weights; /*前次输入层到隐藏层权值的改变*/ double **input_prev_weights; /*前次隐藏层到输出层权值的改变*/ }BPNN; /***用户接口***/ /*初始化随机数种子*/ void bpnn_initialize(int seed); /*创建BP网络*/ BPNN *bpnn_create(int n_in,int n_hidden,int n_out); /*释放BP网络所占地内存空间*/ void bpnn_free(BPNN *net); /*训练BP网络*/ void bpnn_train(BPNN *net,double eta,double momentum,double*eo,double *eh); /*前向运算*/ void bpnn_feedforward(BPNN *net); /*保存BP网络到文件中*/ void bpnn_save(BPNN *net,char *filename); /*从文件中读取BP网络参数*/ BPNN *bpnn_read(char *filename); #endif /* ************************************ *backprop.cpp *仅用于学习目的 ************************************ */ #include StdAfx.h #include stdio.h #include backprop.h #include math.h #include stdlib.h #define ABX(x) (((x)0.0?(x):(-(x))) /*宏定义：快速拷贝*/ #define fastcopy(to,from,len)\ {\ register char *_to,*from;\ register int _i,_l;\ _to=(char *)(to);\ _from=(char *)(from);\ _l=(len);\ for(_i=0;_i_l;_i++) *_to++=*_from++;\ } /***返回0~1的双精度随机数***/ double drnd() { return((double) rand()/(double) BIGRND); } /***返回-1.0到1.0之间的双精度随机数***/ double dpn1() { return((drnd()*2.0)-1.0); } /***作用函数，目前是S型函数***/ //参数：x-自变量的值 double squash(double x) {return(1.0/(1.0+exp(-x))); } /***申请1维双精度实数数组***/ //参数：n-数组的维数 double *alloc_1d_dbl(int n) { double *new1; new1=(double *)malloc ((unsigned)(n*sizeof(d