C 实现的BP神经网络代码计算机二级考试

文章作者 100test 发表时间 2009:06:21 15:13:07
来源 100Test.Com百考试题网

　　编辑特别推荐:

　　全国计算机等级考试（等考）指定教材

　　全国计算机等级考试学习视频

　　全国计算机等级考试网上辅导招生

　　全国计算机等级考试时间及科目预告

　　百考试题教育全国计算机等级考试在线测试平台

　　全国计算机等级考试资料下载

　　全国计算机等级考试论坛

　　计算机等级考试四级应用题解析汇总

　　2009年下半年全国计算机二级考试报名时间从6月1日起已经开始报名。详情点击：2009年下半年全国计算机等级考试各地报名点汇总。2009年下半年全国计算机二级考试时间是2009年9月19日至23日。更多优质资料尽在百考试题论坛 百考试题在线题库。

　　#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][k]*w[i][k][j].
　　netin[i][j]=netin[i][j]-b[i][j].
　　o[i][j]=A/(1 exp(-netin[i][j]/B)) .
　　}
　　}
　　/*计算NN网络的反向传播误差*/
　　void calculd(int m,int n)
　　{
　　int i,j,k.
　　double t.
　　a=count-1.
　　d[3][1]=(o[3][1]-sample[a][3])*(A/B)*exp(-netin[3][1]/B)/pow(1 exp(-netin[3][1]/B),2).
　　//隐含层的误差
　　for (j=1,i=2.j<.=m.j )
　　{
　　t=0.00.
　　for (k=1.k<.=n.k )
　　t=t w[i 1][j][k]*d[i 1][k].
　　d[i][j]=t*(A/B)*exp(-netin[i][j]/B)/pow(1 exp(-netin[i][j]/B),2).
　　}
　　}