?? c++的bp算法源程序.txt
字號(hào):
C++的BP算法源程序神經(jīng)網(wǎng)絡(luò)
C++的BP算法源程序 熱
C++的BP算法源程序
#include "iostream.h"
#include "iomanip.h"
#define N 20 //學(xué)習(xí)樣本個(gè)數(shù)
#define IN 1 //輸入層神經(jīng)元數(shù)目
#define HN 8 //隱層神經(jīng)元數(shù)目
#define ON 1 //輸出層神經(jīng)元數(shù)目
double P[IN]; //單個(gè)樣本輸入數(shù)據(jù)
double T[ON]; //單個(gè)樣本教師數(shù)據(jù)
double W[HN][IN]; //輸入層至隱層權(quán)值
double V[ON][HN]; //隱層至輸出層權(quán)值
double X[HN]; //隱層的輸入
double Y[ON]; //輸出層的輸入
double H[HN]; //隱層的輸出
double O[ON]; //輸出層的輸出
double sita[HN]; //隱層的閾值
double gama[ON]; //輸出層的閾值
double err_m[N]; //第m個(gè)樣本的總誤差
double alpha; //輸出層至隱層的學(xué)習(xí)效率
double beta; //隱層至輸入層學(xué)習(xí)效率
//定義一個(gè)放學(xué)習(xí)樣本的結(jié)構(gòu)
struct {
double input[IN];
double teach[ON];
}Study_Data[N][IN];
///////////////////////////
//初始化權(quán)、閾值子程序/////
///////////////////////////
initial()
{
float sgn;
float rnd;
int i,j;
//隱層權(quán)、閾值初始化//
{
//sgn=pow((-1),random(100));
sgn=rand();
rnd=sgn*(rand()%100);
W[j][i]= rnd/100;//隱層權(quán)值初始化。
}
//randomize();
{
//sgn=pow((-1),random(1000));
sgn=rand();
rnd=sgn*(rand()%1000);
sita[j]= rnd/1000;//中間層閾值初始化
cout<<"sita"<<sita[j]<<endl;
}
//輸出層權(quán)、閾值初始化//
//randomize();
for (int k=0;k<ON;k++)
for (int j=0;j<HN;j++)
{
//sgn=pow((-1),random(1000));
sgn=rand();
rnd=sgn*(rand()%1000);
V[k][j]=rnd/1000;//第m個(gè)樣本輸出層權(quán)值初始化
}
//randomize();
{
//sgn=pow((-1),random(10));
sgn=rand();
rnd=sgn*(rand()%10);
gama[k]=rnd/10;//輸出層閾值初始化
cout<<"gama[k]"<<endl;
}
return 1;
}//子程序initial()結(jié)束
////////////////////////////////
////第m個(gè)學(xué)習(xí)樣本輸入子程序///
///////////////////////////////
input_P(int m)
{
for (int i=0;i<IN;i++)
P[i]=Study_Data[m]->input[i];
//獲得第m個(gè)樣本的數(shù)據(jù)
//cout<<"第"< //fprintf(fp,"第%d個(gè)樣本的學(xué)習(xí)輸入：
//P[%d]=%f\n",m,P[i]);
return 1;
}//子程序input_P(m）結(jié)束
/////////////////////////////
////第m個(gè)樣本教師信號(hào)子程序//
/////////////////////////////
input_T(int m)
{
for (int k=0;k<m;k++)
T[k]=Study_Data[m]->teach[k];
//cout<<"第"< //fprintf(fp,"第%d個(gè)樣本的教師信號(hào)：T[%d]=%f\n",m,T[k]);
return 1;
}//子程序input_T(m)結(jié)束
/////////////////////////////////
//隱層各單元輸入、輸出值子程序///
/////////////////////////////////
H_I_O(){
double sigma;
int i,j;
for (j=0;j<HN;j++)
sigma=0.0;
for (i=0;i<IN;i++)
sigma+=W[j][i]*P[i];//求隱層內(nèi)積
}
X[j]=sigma - sita[i];//求隱層凈輸入
H[j]=1.0/(1.0+exp(-X[j]));//求隱層輸出
}
return 1;
}//子程序H_I_O()結(jié)束
///////////////////////////////////
//輸出層各單元輸入、輸出值子程序///
///////////////////////////////////
O_I_O()
{
double sigma;
for (int k=0;k<ON;k++)
sigma=0.0;
for (int j=0;j<HN;j++)
sigma+=V[k][j]*H[k];//求輸出層內(nèi)積
}
Y[k]=sigma-gama[k]; //求輸出層凈輸入
O[k]=1.0/(1.0+exp(-Y[k]));//求輸出層輸出
}
return 1;
}//子程序O_I_O()結(jié)束
////////////////////////////////////
//輸出層至隱層的一般化誤差子程序////
////////////////////////////////////
double d_err[ON];
Err_O_H(int m)
{
double abs_err[ON];//每個(gè)樣本的絕對(duì)誤差都是從0開始的
double sqr_err=0;//每個(gè)樣本的平方誤差計(jì)算都是從0開始的
//for (int output=0;output<ON;output++) //output???
for (int k=0;k<ON;k++)
abs_err[k]=T[k]-O[k];
//求第m個(gè)樣本下的第k個(gè)神經(jīng)元的絕對(duì)誤差
sqr_err+=(abs_err[k])*(abs_err[k]);//求第m個(gè)樣本下輸出層的平方誤差
d_err[k]=abs_err[k]*O[k]*(1.0-O[k]);//d_err[k]輸出層各神經(jīng)元的一般化誤差
}
err_m[m]=sqr_err/2;//第m個(gè)樣本下輸出層的平方誤差/2=第m個(gè)樣本的均方誤差
return 1;
}//子程序Err_O_H(m)結(jié)束
////////////////////////////////////
//隱層至輸入層的一般化誤差子程序////
////////////////////////////////////
double e_err[HN];
Err_H_I(){
double sigma;
//for (int hidden=0;hidden
for (int j=0;j<HN;j++)
sigma=0.0;
for (int k=0;k<ON;k++)
sigma=d_err[k]*V[k][j];
}
e_err[j]=sigma*H[j]*(1-H[j]);//隱層各神經(jīng)元的一般化誤差
}
return 1;
}//子程序Err_H_I()結(jié)束
////////////////////////////////////////////////////////
//輸出層至隱層的權(quán)值調(diào)整、輸出層閾值調(diào)整計(jì)算子程序//////
////////////////////////////////////////////////////////
Delta_O_H(int m,FILE* fp)
{
for (int k=0;k<ON;k++)
for (int j=0;j<HN;j++)
//cout<<"第"<
fprintf(fp,"第%d個(gè)樣本時(shí)的輸出層至隱層的權(quán)值為：%f\n",m,W[k][j]);
V[k][j]+=alpha*d_err[k]*H[j];//輸出層至隱層的權(quán)值調(diào)整
}
gama[k]+=alpha*d_err[k];//輸出層至隱層的閾值調(diào)整
}
return 1;
}//子程序Delta_O_H()結(jié)束
/////////////////////////////////////////////////////
//隱層至輸入層的權(quán)值調(diào)整、隱層閾值調(diào)整計(jì)算子程序/////
/////////////////////////////////////////////////////
Delta_H_I(int m,FILE* fp)
{
for (int j=0;j<HN;j++)
for (int i=0;i<IN;i++)
//cout<<"第"< fprintf(fp,"第%d個(gè)樣本時(shí)的輸出層至隱層的權(quán)值為：%f\n",m,V[j][i]);
W[j][i]+=beta*e_err[j]*P[i];//隱層至輸入層的權(quán)值調(diào)整
}
sita[j]+=beta*e_err[j];
}
return 1;
}//子程序Delta_H_I()結(jié)束
/////////////////////////////////
//N個(gè)樣本的全局誤差計(jì)算子程序////
/////////////////////////////////
double Err_Sum()
{
double total_err=0;
for (int m=0;m<N;m++)
total_err+=err_m[m];//每個(gè)樣本的均方誤差加起來就成了全局誤差
}
return 1;
}//子程序Err_sum()結(jié)束
/**********************/
/**程序入口，即主程序**/
/**********************/
main()
{
FILE *fp;
double sum_err;
int study;//訓(xùn)練次數(shù)
if ((fp=fopen("bp.txt","a+"))==NULL)
{
printf("不能創(chuàng)建bp.txt文件!\n");
exit(1);
}
cout<<"請(qǐng)輸入輸出層到隱含層學(xué)習(xí)效率: alpha=\n";
cin>>alpha;
cout<<"請(qǐng)輸入隱含層到輸入層學(xué)習(xí)效率: beta=\n";
cin>>beta;
int study=0; //學(xué)習(xí)次數(shù)
double Pre_error ; //預(yù)定誤差
cout<<"請(qǐng)輸入預(yù)定誤差: Pre_error= \n";
cin>>Pre_error;
int Pre_times;
cout<<"請(qǐng)輸入預(yù)定最大學(xué)習(xí)次數(shù):Pre_times=\n";
cin>>Pre_times;
cout<<"請(qǐng)輸入學(xué)習(xí)樣本數(shù)據(jù)\n";
{
for (int m=0;m<N;m++)
cout<<"請(qǐng)輸入第"<<m+1<<"組學(xué)習(xí)樣本"<<endl;
for (int i=0;i<IN;i++)
cin>>Study_Data[m]->input[i];
}
{
for (int m=0;m<N;m++)
cout<<"請(qǐng)輸入第"<<m+1<<"組教師樣本"<<endl;
for (int k=0;k<ON;k++)
cin>>Study_Data[m]->teach[k];
}
initial(); //隱層、輸出層權(quán)、閾值初始化 (1)
do
{
++study; ///???
for (int m=0;m<N;m++)
{
input_P(m); //輸入第m個(gè)學(xué)習(xí)樣本 (2)
input_T(m);//輸入第m個(gè)樣本的教師信號(hào) (3)
H_I_O(); //第m個(gè)學(xué)習(xí)樣本隱層各單元輸入、輸出值 (4)
O_I_O(); //第m個(gè)學(xué)習(xí)樣本輸出層各單元輸入、輸出值 (5)
Err_O_H(m); //第m個(gè)學(xué)習(xí)樣本輸出層至隱層一般化誤差 (6)
Err_H_I(); //第m個(gè)學(xué)習(xí)樣本隱層至輸入層一般化誤差 (7)
Delta_O_H(m,fp); //第m個(gè)學(xué)習(xí)樣本輸出層至隱層權(quán)閾值調(diào)整、修改 (8)
Delta_H_I(m,fp); //第m個(gè)學(xué)習(xí)樣本隱層至輸入層權(quán)閾值調(diào)整、修改 (9)
} //全部樣本訓(xùn)練完畢
sum_err=Err_Sum(); //全部樣本全局誤差計(jì)算 (10)
{
cout<<"第"<<study<<"次學(xué)習(xí)的均方誤差為"<<sum_err<<endl;
fprintf(fp,"第%d次學(xué)習(xí)的均方誤差為：%f\n",study,sum_err);
}
while (sum_err > Pre_error) //or(study
{ //N個(gè)樣本全局誤差小于預(yù)定誤差否？ 小于則退出 (11)
cout<<"網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)了"<<study<<"次,學(xué)習(xí)的均方誤差為"<<sum_err<<endl;
fprintf(fp,"網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)了%d次，現(xiàn)在的全局誤差為：%f\n",study,total_err);
fclose(fp);
}
char s;
cout<<"請(qǐng)隨便輸入一個(gè)字符，按回車退出程序！\n";
cin>>s;
return 1;
}
上一篇文章： Matlab C/C++函數(shù)庫介紹及應(yīng)用舉例
下一篇文章： 人工智能軟件的編寫
【發(fā)表評(píng)論】【告訴好友】【打印此文】【關(guān)閉窗口】
最新5篇熱點(diǎn)文章
專家系統(tǒng)及其應(yīng)用[1044]
人工智能語言--PROLOG[541]
機(jī)器人控制原理[470]
坐標(biāo)變換[332]
10th Call for Papers:Joi…[127]
最新5篇推薦文章
神經(jīng)網(wǎng)絡(luò)介紹—利用反向傳…[4725]
VC編程實(shí)現(xiàn)數(shù)字圖像的邊緣…[5259]
指紋識(shí)別心得(推薦)[3951]
遺傳算法合集[7688]
數(shù)字圖像處理編程入門[16425]
相 關(guān) 文 章
人工神經(jīng)網(wǎng)絡(luò)技術(shù)入門講稿…[2589]
神經(jīng)網(wǎng)絡(luò)合集4[1795]
神經(jīng)網(wǎng)絡(luò)合集3[1812]
神經(jīng)網(wǎng)絡(luò)介紹—利用反向傳…[4725]
神經(jīng)網(wǎng)絡(luò)合集2[2130]
網(wǎng)友評(píng)論：（只顯示最新10條。評(píng)論內(nèi)容只代表網(wǎng)友觀點(diǎn)，與本站立場(chǎng)無關(guān)！）
會(huì)員『auto』于2004-5-22 23:47:06發(fā)表評(píng)論：
評(píng)分：1分
這只能算是用c實(shí)現(xiàn)的，根本不是c++，不知道有沒有人用object-oriented的范式實(shí)現(xiàn)過？
會(huì)員『遠(yuǎn)端』于2004-4-11 17:14:07發(fā)表評(píng)論：
評(píng)分：3分
在哪下載該程序啊
查看關(guān)于此文章的所有評(píng)論
| 戀雪首頁 | 軟件開發(fā) | 網(wǎng)站制作 | 友情鏈接 | 關(guān)于我們 |
版權(quán)所有 Copyright © 中國(guó)人工智能網(wǎng) 維護(hù)：Fish
頁面執(zhí)行時(shí)間：125.00毫秒
?? 快捷鍵說明
復(fù)制代碼
Ctrl + C
搜索代碼
Ctrl + F
全屏模式
F11
切換主題
Ctrl + Shift + D
顯示快捷鍵
?
增大字號(hào)
Ctrl + =
減小字號(hào)
Ctrl + -