2014--人工智能应用技术实验报告-人工神经网络程序设计.doc

实 验 报 告 课程名称 实验项目 实验仪器 WindowsXP、Visual C++ 学 院 信息专 业班级/学号学生姓名 ony 实验日期 2016-5-10 成 绩 指导教师 赵刚 北京信息科技大学 信息管理学院 （课程上机）实验报告 实验课程名称:人工智能应用技术 专业: 信息安全 班级: 学号: 姓名: ? 实验名称 人工神经网络程序设计 实验地点 学院机房 实验时间 5/10 1—4节 实验目的： 掌握基本神经网络的常用学习规则 掌握人工神经网络的训练过程 实验内容： 相关知识：基本神经网络（感知器，前馈网络）的常用学习规则 实验环境：Windows XP, Visual studio 主要内容：人工神经网络的程序设计与实现 实验要求： 完成神经网络学习程序的调试，课堂演示程序执行结果 输出神经网络权值调整过程值，分析结果数据，绘制神经网络 提交实验报告 实验准备： 掌握感知器学习算法 初始化：将权值向量赋予随机值，t=0(迭代次数) 连接权的修正：对每个输入样本xk及期望输出dk完成如下计算 计算网络输出：y = f(S)，其中S =∑wixi，f为激活函数 计算输出层单元期望输出dk与实际输出y间的误差： ek = dk - y 若ek为零，则说明当前样本输出正确，不必更新权值，否则更新权值： w(t+1) = w(t) + α×ek ×xk t = t + 1 0α1为学习率。 对所有的输入样本重复步骤(2)，直到所有的样本输出正确为止 实验过程： #include stdio.h #include stdafx.h #define MAX_ITERATIONS 1000 #define INPUT_NEURONS 2 #define NUM_WEIGHTS (INPUT_NEURONS+1) #define ALPHA (double)0.2 double weights[NUM_WEIGHTS]; typedef struct { double a; double b; double expected; } training_data_t; #define MAX_TESTS 4 training_data_t training_set[MAX_TESTS]={ {-1.0, -1.0, -1.0}, {-1.0, 1.0, 1.0}, { 1.0, -1.0, 1.0}, { 1.0, 1.0, 1.0} }; double compute( int test ) { double result; /* Equation 10.2 */ result = ((training_set[test].a * weights[0]) + (training_set[test].b * weights[1]) + (1.0 * weights[2]) ); if (result 0.0) result = 1.0; else result = -1.0; return result; } int main() { int i, test; double output; int change; /* Initialize the weights for the perceptron */ for ( i = 0 ; i NUM_WEIGHTS ; i++ ) weights[i] = 0.0; /* Train the perceptron with the training set */ change = 1; while (change) { change = 0; for ( test = 0 ; test MAX_TESTS ; test++ ) { /* Test on the perceptron */ output = compute( test ); /* Perceptron Learning Algorithm */ double dif=training_set[test].expected-output; if ( (int)training_set[test].expected != (int)output ) { /