bp神经网络实现异或功能(c++).pdf

#include iostream.h #include iomanip.h #include stdlib.h #include math.h #include stdio.h #include time.h #include fstream.h #define N 4 //学习样本个数 #define T_N 4 //检验样本的个数 #define IN 2 //输入层神经元数目 #define HN 3 //隐层神经元数目 #define ON 1 //输出层神经元数目 //一般化误差数组 double delta_ON[N][ON]; double delta_HN[N][HN]; // double delta_IN[N][IN]; // double P[IN]; //单个样本输入数据 double P[N][IN]; //单个样本输入数据 // double T[ON]; //单个样本教师数据 double T[N][ON]; //单个样本教师数据 double W[HN][IN]; //输入层至隐层权值 double V[ON][HN]; //隐层至输出层权值 double X[HN]; //隐层的输入 double Y[ON]; //输出层的输入 // double H[HN]; // 隐层的输出 double H[N][HN]; //隐层的输出 double O[ON]; //输出层的输出 double YU_HN[HN]; //隐层的阈值 double YU_ON[ON]; //输出层的阈值 // double err_m[N]; //第 m 个样本的总误差 double err_m[N][ON]; //第 m 个样本的总误差 double sum_err_m[N]; double a1; //输出层至隐层的学习效率 double a2; double b1; //隐层至输入层学习效率 double b2; ofstream out_test_result( test_result.txt, ios::out ); //定义一个放学习样本的结构 struct { double input[IN]; //输入在上面定义是一个 double teach[ON]; //输出在上面定义也是一个 }Study_Data[N];//学习样本 //定义一个放检测样本的结构 struct { double input[IN]; //输入在上面定义是一个 double teach[ON]; //输出在上面定义也是一个 }Test_Data[T_N];//检测样本 /////////////////////////// //初始化权、阈值子程序///// /////////////////////////// initial() { // 隐层权、阈值初始化// srand( (unsigned)time( NULL ) ); for(int i=0;iHN;i++) for(int j=0;jIN;j++) W[i][j]= rand()/double(RAND_MAX); for(int ii=0;iiON;ii++) for(int jj=0;jjHN;jj++) V[ii][jj]=rand()/double(RAND_MAX); for(int k=0;kHN;k++) YU_HN[k]=rand()/double(RAND_MAX); for(int kk=0;kkON;kk++) YU_ON[kk]=rand()/double(RAND_MAX); return 1; }//子程序 initial()结束 //////////////////////////////// ////第 m 个学习样本输入子程序/// /////////////////////////////// Train_input_P(int m) { for (int i=0;iIN;i++) P[m][i]=Study_Data[m].input[i]; //获得第 m 个样本的数据 return 1; }//子程序 Train_input_P(m ）结束 Test_input_P(int m) { for (int i=0;iIN;i++)