BP神经网络源代码（C++）.docVIP

下载本文档

74
0
约5.8千字
约 7页
2018-05-11 发布于浙江
举报
版权申诉

BP神经网络源代码（C++）.doc

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

BP神经网络源代码（C）

#pragma hdrstop　　#include stdio.h　　#include iostream.h　　const A=30.0;　　const B=10.0;　　const MAX=500;　　　　　　　　　　　　 //最大训练次数　　const COEF=0.0035; //网络的学习效率　　const BCOEF=0.001;//网络的阀值调整效率　　const ERROR=0.002　　 ; // 网络训练中的允许误差　　const ACCURACY=0.0005;//网络要求精度　　double sample[41][4]={{0,0,0,0},{5,1,4,19.020},{5,3,3,14.150},　　{5,5,2,14.360},{5,3,3,14.150},{5,3,2,15.390},　　{5,3,2,15.390},{5,5,1,19.680},{5,1,2,21.060},　　{5,3,3,14.150},{5,5,4,12.680},{5,5,2,14.360},　　{5,1,3,19.610},{5,3,4,13.650},{5,5,5,12.430},　　{5,1,4,19.020},{5,1,4,19.020},{5,3,5,13.390},　　{5,5,4,12.680},{5,1,3,19.610},{5,3,2,15.390},　　{1,3,1,11.110},{1,5,2,6.521},{1,1,3,10.190},　　{1,3,4,6.043},{1,5,5,5.242},{1,5,3,5.724},　　{1,1,4,9.766},{1,3,5,5.870},{1,5,4,5.406},　　{1,1,3,10.190},{1,1,5,9.545},{1,3,4,6.043},　　{1,5,3,5.724},{1,1,2,11.250},{1,3,1,11.110},　　{1,3,3,6.380},{1,5,2,6.521},{1,1,1,16.000},　　{1,3,2,7.219},{1,5,3,5.724}};　　double w[4][10][10],wc[4][10][10],b[4][10],bc[4][10];　　double o[4][10],netin[4][10],d[4][10],differ;//单个样本的误差　　double is; //全体样本均方差　　int count,a;　　void netout(int m, int n);//计算网络隐含层和输出层的输出　　void calculd(int m,int n); //计算网络的反向传播误差　　void calcalwc(int m,int n);//计算网络权值的调整量　　void calcaulbc(int m,int n); //计算网络阀值的调整量　　void changew(int m,int n); //调整网络权值　　void changeb(int m,int n);//调整网络阀值　　void clearwc(int m,int n);//清除网络权值变化量wc　　void clearbc(int m,int n);//清除网络阀值变化量bc　　void initialw(void);//初始化NN网络权值W　　void initialb(void); //初始化NN网络阀值　　void calculdiffer(void);//计算NN网络单个样本误差　　void calculis(void);//计算NN网络全体样本误差　　void trainNN(void);//训练NN网络　　/*计算NN网络隐含层和输出层的输出 */　　void netout(int m,int n)　　{　　int i,j,k;　　//隐含层各节点的的输出　　for (j=1,i=2;j=m;j++) //m为隐含层节点个数　　{　　netin[i][j]=0.0;　　for(k=1;k=3;k++)//隐含层的每个节点均有三个输入变量　　netin[i][j]=netin[i][j]+o[i-1][k]*w[i][k][j];　　netin[i][j]=netin[i][j]-b[i][j];　　o[i][j]=A/(1+exp(-netin[i][j]/B));　　}　　//输出层各节点的输出　　for (j=1,i=3;j=n;j++)　　{　　netin[i][j]=0.0;　　for (k=1;k=m;k++)　　netin[i][j]=netin[i][j]+o[i-1]