bp神经网络c语言实现（BP neural network, C language implementation）.doc

下载文档 降价啦

5
0
约1.25万字
约 35页
2017-08-31 发布于河南
举报
版权申诉
保障服务

bp神经网络c语言实现（BP neural network, C language implementation）.doc

1、本文档共35页，可阅读全部内容。
2、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。
3、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。
4、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)。

bp神经网络c语言实现（BP neural network, C language implementation）

bp神经网络c语言实现（BP neural network, C language implementation） #包括“iostream. h” #包括“iomanip。” #包括“程序。” #包括“数学。” #包括“stdio. h” #包括“时间。” #包括“fstream对象。” #定义N 11 / /学习样本个数 5 / /输入层神经元数目#定义 #定义HN 8 / /隐层神经元数目 #定义HC 3 / /隐层层数 #定义3 / /输出层神经元数目 #定义Z 200000 / /旧权值保存-》每次研究的权值都保存下来双P [中]；//单个样本输入数据双T [上]；//单个样本教师数据双U11 [ HN ] [中]；//输入层至第一隐层权值双U12 [ ] [ ] HN HN；/ /第一隐层至第二隐层权值双U23 [ ] [ ] HN HN；/ /第二隐层至第三隐层权值双V [上] [高]；//第三隐层至输出层权值双X1 [ HN ]；//第一隐层的输入双X2 [ HN ]；//第二隐层的输入双X3 [ HN ]；//第三隐层的输入双Y [上]；//输出层的输入双H1 [ HN ]；//第一隐层的输出双氢[ HN ]；//第二隐层的输出双H3 [ HN ]；//第三隐层的输出双O [上]；//输出层的输出双yu_hn1 [ HN ]；//第一隐层的阈值双yu_hn2 [ HN ]；//第二隐层的阈值双yu_hn3 [ HN ]；//第三隐层的阈值双yu_on [上]；//输出层的阈值双err_m [N]；/ /第M个样本的总误差双/学习效率；双α；/ /动量因子 / /定义一个放学习样本的结构 struct { [在]双输入/输入在上面定义是五个；双教[上]；//输出在上面定义是三个 } study_data [N]；/ /学习样本 / / BP算法用来保存每次计算的权值 struct { 双old_u11 [高] [在]；//保存输入层至隐层权值旧权双old_u12 [ ] [ ] HN HN；/ /保存第一隐层至第二隐层权值双old_u23 [ ] [ ] HN HN；/ /保存第二隐层至第三隐层权值双old_v [上] [高]；//保存第三隐层至输出层旧权 } old_wv [Z]； savewv（int m） { 为（int = i 0；i ；； { 对于（int = 0；j in in；j + +） { old_wv [M]。old_u11 [我] [ J ] = U11 [我] [ J ]； } } 为（int I1 = 0；I1 HN；I1 + +） { 为（int J1 = 0；J1 HN；J1 + +） { old_wv [M]。old_u12 [ ] [ ] I1 J1 = U12 [ I1 ] [ 1 ]； } } 为（int = 0；I2； { 为（int J2 = 0；J2 HN；J2 + +） { old_wv [M]。old_u23 [I2] [ 2 ] = U23 [I2] [ 2 ]； } } 为（int I3 = 0；i3 关于；i3 + +） { 为（intβ= 0；J3 HN；J3 + +） { old_wv [M]。old_v [I3] [β] = V [I3] [β]； } } 返回1； } /////////////////////////// / /初始化权、阈值子程序///// /////////////////////////// initial() { 隐层权、阈值初始化/ / / / srand（（unsigned）时间（空））；为（int = i 0；i ；； { 对于（int = 0；j in in；j + +） U11 [我] [ J ] =（双）（（rand() / 32767）×2-1）；/ /初始化输入层到第一隐层的权值，随机模拟0和1 - 1 } 为（int I1 = 0；I1 HN；I1 + +） { 为（int J1 = 0；J1 HN；J1 + +） U12 [ ] [ ] I1 J1 =（双）（（rand() / 32767）×2-1）；/ /初始化第一隐层到第二隐层权值，随机模拟0和1 - 1 } 为（int = 0；I2； { 为（int J2 = 0；J2 HN；J2 + +） U23 [I2] [ 2 ] =（双）（（rand() / 32767）×2-1）；/ /初始化第二隐层到第三隐层权值，随机模拟0和1 - 1 } 为（int I3 = 0；i3 关于；i3 + +） { 为（intβ= 0；J3 HN；J3 + +） V [I3] [β] =（双）（（ran