/*
******************************************************************
* backprop.h
******************************************************************
*/

#ifndef _BACKPROP_H_

#define _BACKPROP_H_

#define BIGRND 0x7fffffff

/*** 神經網絡的數據結構。網絡被假定為一個全連接的3層前向結構，
         每層的單元0是閾值，這意味著真正的神經元編號為1－n
***/

typedef struct {
        int input_n;                  /* 輸入層的神經元個數 */
        int hidden_n;                 /* 隱含層的神經元個數 */
        int output_n;                 /* 輸出層的神經元個數 */

        double *input_units;          /* 輸入層的神經元 */
        double *hidden_units;         /* 隱藏層的神經元 */
        double *output_units;         /* 輸出曾的神經元 */

        double *hidden_delta;         /* 隱藏層的誤差 */
        double *output_delta;         /* 輸出層的誤差 */

        double *target;               /* 目標向量 */

        double **input_weights;       /* 輸入層到隱藏層的連接權 */
        double **hidden_weights;      /* 隱藏層到輸出曾的連接權 */

                                /*** 下面兩個在迭代時使用 ***/
        double **input_prev_weights;  /* 前次輸入層導隱藏層權值的改變 */
        double **hidden_prev_weights; /* 前次隱藏層導輸出層權值的改變 */
} BPNN;


/*** 用戶接口 ***/

/* 初始化隨機數種子 */
void bpnn_initialize(int seed);

/* 創建BP網絡 */
BPNN *bpnn_create(int n_in, int n_hidden, int n_out);

/* 釋放BP網絡所占地內存空間 */
void bpnn_free(BPNN *net);

/* 訓練BP網絡 */
void bpnn_train(BPNN *net, double eta, double momentum, double *eo, double *eh);

/* 前向運算 */
void bpnn_feedforward(BPNN* net);

/* 保存BP網絡到文件中 */
void bpnn_save(BPNN *net, char *filename);

/* 從文件中讀取BP網絡參數 */
BPNN *bpnn_read(char *filename);


#endif