[转帖]C++的BP算法源程序

ilikenba

; h( X/ L8 X4 r) B5 U0 X7 |- n) }2 I

/ a- F" F, D# ?7 |3 y! q

#include "iostream.h" # u6 G: H1 u9 L. s( A; K7 f0 P #include "iomanip.h" #define N 20 //学习样本个数 #define IN 1 //输入层神经元数目 #define HN 8 //隐层神经元数目 ' I* R d, D# n #define ON 1 //输出层神经元数目 double P[IN]; //单个样本输入数据 double T[ON]; //单个样本教师数据 5 X8 ]1 C" E5 q8 B0 p# k double W[HN][IN]; //输入层至隐层权值 , y j S, ? P/ r double V[ON][HN]; //隐层至输出层权值 / W0 c- I/ Q- h: Z, p4 G double X[HN]; //隐层的输入 # Q; N$ S5 L9 W double Y[ON]; //输出层的输入 double H[HN]; //隐层的输出 double O[ON]; //输出层的输出 2 _/ ^ B: n- b" P# V7 Y8 E double sita[HN]; //隐层的阈值 ' K `& _3 y- b8 b, L double gama[ON]; //输出层的阈值 double err_m[N]; //第m个样本的总误差 9 y- }: K( e, w* O& ^! K double alpha; //输出层至隐层的学习效率 double beta; //隐层至输入层学习效率 //定义一个放学习样本的结构 struct { double input[IN]; double teach[ON]; }Study_Data[N][IN]; 9 ?. A \0 J9 B, G t- \* P. g /////////////////////////// //初始化权、阈值子程序///// 5 e8 K' q+ k; h: p$ [ /////////////////////////// initial() { & h5 q' i8 }% A6 Q float sgn; float rnd; int i,j; ' @1 n, q3 g2 [' W% h) J5 k" b; [ //隐层权、阈值初始化// 9 }* M ^& B" T+ z { //sgn=pow((-1),random(100)); ' x) s+ v3 p; {& x; l, |' `- @ sgn=rand(); % q/ f7 q2 L& ~3 x1 H( B rnd=sgn*(rand()%100); W[j]= rnd/100;//隐层权值初始化。 } 3 L3 T8 K% l. Z$ V9 ]3 W/ ~ //randomize(); E+ o6 g+ X/ a! N8 ^$ V% e { //sgn=pow((-1),random(1000)); sgn=rand(); rnd=sgn*(rand()%1000); sita[j]= rnd/1000;//中间层阈值初始化 cout<<"sita"<<sita[j]<<endl; } //输出层权、阈值初始化// " v0 H* l% Y9 r8 I; F: n( I4 W; Z //randomize(); for (int k=0;k<ON;k++) 7 L1 K( ^* v: ~' `7 x) G2 P+ C for (int j=0;j<HN;j++) . \; l! n/ Q0 x# h( E: U$ s { 1 z$ h# I" | d! ~8 G% ] //sgn=pow((-1),random(1000)); , I, f8 S9 F( U# Y sgn=rand(); 2 Q8 H0 t( v; U rnd=sgn*(rand()%1000); + k7 i1 M* l* C5 R2 `( `2 j V[k][j]=rnd/1000;//第m个样本输出层权值初始化 % e$ v) b3 v' x } 8 Y/ k6 X5 Z+ {% B //randomize(); 6 S; o9 l5 C/ [% w { //sgn=pow((-1),random(10)); 0 W M+ H: }* |( E: A) K% _ sgn=rand(); rnd=sgn*(rand()%10); gama[k]=rnd/10;//输出层阈值初始化 1 t% k) U. d9 X O; u cout<<"gama[k]"<<endl; } return 1; + r: S( G# l! {3 A' X9 _ ]1 ^/ L }//子程序initial()结束

//////////////////////////////// 0 }: [. r& g9 b ////第m个学习样本输入子程序/// / B' l- s' B/ w$ T- h, @- O /////////////////////////////// % G* q/ T* R8 a# N$ K3 h input_P(int m) { / l" }, E9 F8 T; \. l1 B for (int i=0;i<IN;i++) 1 O* K" S8 z. D. D9 b5 X( ? [ P=Study_Data[m]->input; 6 r8 n: n8 Q% i4 o1 O //获得第m个样本的数据 : b5 W! H4 ^) f6 U9 u4 b2 I //cout<<"第"< //fprintf(fp,"第%d个样本的学习输入： 7 y: G, E: m" f: [+ O //P[%d]=%f\n",m,P); return 1; }//子程序input_P(m）结束 ///////////////////////////// ! A v9 C3 x+ u# C& U ////第m个样本教师信号子程序// ///////////////////////////// 9 y3 |, s y6 I5 T1 ~5 p4 ^0 C input_T(int m) { 3 n3 v( g2 X6 y+ ] for (int k=0;k<m;k++) T[k]=Study_Data[m]->teach[k]; / q, G4 x* } {; Y8 {5 q* B6 w% j //cout<<"第"< //fprintf(fp,"第%d个样本的教师信号：T[% d] =%f\n",m,T[k]); return 1; }//子程序input_T(m)结束 ///////////////////////////////// //隐层各单元输入、输出值子程序/// ///////////////////////////////// 0 U/ Q! S6 q8 n2 j H_I_O(){ 7 G0 S7 \# R: Q& _- n0 j* x" f" s double sigma; int i,j; for (j=0;j<HN;j++) sigma=0.0; / E! M. u; M/ R4 Z- {9 v for (i=0;i<IN;i++) sigma+=W[j]*P;//求隐层内积 } X[j]=sigma - sita;//求隐层净输入 ( Q( U* M1 U- }" H% {: @" U H[j]=1.0/(1.0+exp(-X[j]));//求隐层输出 } return 1; # A' X( S9 l$ N' h: z }//子程序H_I_O()结束 2 o4 [0 u4 G8 g4 B+ y0 r- h* n, m2 K /////////////////////////////////// 2 U4 B4 [$ V9 T: ^, n' f //输出层各单元输入、输出值子程序/// /////////////////////////////////// O_I_O() / K! e5 C& o* x { double sigma; for (int k=0;k<ON;k++) ! q/ r/ S+ C) R% Q R; x* @ sigma=0.0; 5 c n4 T) W N for (int j=0;j<HN;j++) sigma+=V[k][j]*H[k];//求输出层内积 } 6 v8 I; o! e. s0 g+ _: G Y[k]=sigma-gama[k]; //求输出层净输入 ) U5 i3 u5 F5 }( ?( F$ w O[k]=1.0/(1.0+exp(-Y[k]));//求输出层输出 } return 1; }//子程序O_I_O()结束 //////////////////////////////////// //输出层至隐层的一般化误差子程序//// //////////////////////////////////// 1 l5 u9 P) I- V6 D double d_err[ON]; " h# W: [& n7 |( M* `: { Err_O_H(int m) { 8 X6 ]( x7 _3 i- t( t double abs_err[ON];//每个样本的绝对误差都是从0开始的 double sqr_err=0;//每个样本的平方误差计算都是从0开始的 & h9 F, O$ @9 z/ F0 J9 H4 i! l( y //for (int output=0;output<ON;output++) //output??? 6 {8 J! V; g t3 D- `5 s2 t% K for (int k=0;k<ON;k++) : \7 |) g) M1 t3 P abs_err[k]=T[k]-O[k]; //求第m个样本下的第k个神经元的绝对误差 4 e3 Z: x6 T& ^0 Q+ ^4 ]; P sqr_err+=(abs_err[k])*(abs_err[k]);//求第m个样本下输出层的平方误差 ) c7 ]: G% v5 l& [: b7 e d_err[k]=abs_err[k]*O[k]*(1.0-O[k]);//d_err[k]输出层各神经元的一般化误差 } err_m[m]=sqr_err/2;//第m个样本下输出层的平方误差/2=第m个样本的均方误差 return 1; }//子程序Err_O_H(m)结束 0 z& S7 D# s% K( Q //////////////////////////////////// //隐层至输入层的一般化误差子程序//// //////////////////////////////////// double e_err[HN]; Err_H_I(){ / O; `* D ~- ]& G double sigma; 9 L4 M( n+ q) G1 V. ?% \8 F //for (int hidden=0;hidden 6 J4 A7 @2 s5 d7 o5 s1 H for (int j=0;j<HN;j++) sigma=0.0; ' x0 o! d* K5 m' w: Y8 y for (int k=0;k<ON;k++) sigma=d_err[k]*V[k][j]; ) d5 I. l4 z/ S; u# z+ e0 ^ } e_err[j]=sigma*H[j]*(1-H[j]);//隐层各神经元的一般化误差 } # e# i* D6 k/ v' l3 P6 k# S return 1; }//子程序Err_H_I()结束 3 [, G6 h! l( n1 @* c/ @% ^ //////////////////////////////////////////////////////// $ e7 p' K2 y5 }; s //输出层至隐层的权值调整、输出层阈值调整计算子程序////// 3 c, O9 E* `: t+ D //////////////////////////////////////////////////////// Delta_O_H(int m,FILE* fp) ' g: w7 \% K r- B$ X& A { 6 o7 m. T3 Z# x$ | for (int k=0;k<ON;k++) . J/ p2 P Z* D for (int j=0;j<HN;j++) 4 S: d/ Y, f# V1 m //cout<<"第"< fprintf(fp,"第%d个样本时的输出层至隐层的权值为：%f\n",m,W[k][j]); V[k][j]+=alpha*d_err[k]*H[j];//输出层至隐层的权值调整 3 S' r% ]: E! {$ Y } gama[k]+=alpha*d_err[k];//输出层至隐层的阈值调整 } return 1; 3 X) y# x( ?5 @ }//子程序Delta_O_H()结束 ' l' s' _! o9 o( x d' E+ o5 i ///////////////////////////////////////////////////// //隐层至输入层的权值调整、隐层阈值调整计算子程序///// ///////////////////////////////////////////////////// $ C6 P' Y7 {0 J+ t' t Delta_H_I(int m,FILE* fp) 9 D/ U0 g2 q: b8 ~: p( L& \ { for (int j=0;j<HN;j++) for (int i=0;i<IN;i++) //cout<<"第"< fprintf(fp,"第%d个样本时的输出层至隐层的权值为：%f\n",m,V[j]); 4 d- e+ C2 k% J7 @' H4 W z. g; a W[j]+=beta*e_err[j]*P;//隐层至输入层的权值调整 } sita[j]+=beta*e_err[j]; & D6 V! {4 G% v; \7 ]" m* M. E } return 1; }//子程序Delta_H_I()结束 6 A# }9 x( K- `# V& c! h ///////////////////////////////// , A2 {) d: ~! f* H" e //N个样本的全局误差计算子程序//// 4 r R6 w/ k2 K4 ~. w, R ///////////////////////////////// double Err_Sum() { 7 J+ y" \/ W8 h" Y double total_err=0; 1 I$ J" B, u6 W for (int m=0;m<N;m++) total_err+=err_m[m];//每个样本的均方误差加起来就成了全局误差 : }+ F1 U" S- {9 @9 W } ' j6 J& i$ Z7 ^$ o) @ return 1; }//子程序Err_sum()结束 , Z0 D2 O! x/ ~0 O# H2 ^6 @ /**********************/ /**程序入口，即主程序**/ $ a" z3 M$ O/ C2 G, H' Y /**********************/ main() % A, J& y( {% T4 D { FILE *fp; double sum_err; int study;//训练次数 8 z- ]) U) L& Z# S if ((fp=fopen("bp.txt","a+"))==NULL) { 4 I* z% L: x0 b; @2 t printf("不能创建bp.txt文件!\n"); # Q9 N5 L1 q" |! L/ K: s8 L exit(1); } cout<<"请输入输出层到隐含层学习效率: alpha=\n"; cin>>alpha; ( F8 |( f3 ~" ] cout<<"请输入隐含层到输入层学习效率: beta=\n"; 1 t' _& p% h7 M. k: P cin>>beta; int study=0; //学习次数 double Pre_error ; //预定误差 & A( }# F. \* u; c4 p: r cout<<"请输入预定误差: Pre_error= \n"; y1 y4 G% _8 t/ N! P cin>>re_error; int Pre_times; % F d9 G. N% ^9 O2 h cout<<"请输入预定最大学习次数re_times=\n"; 1 F Z5 G3 q* @. T* h- N4 o$ F# G cin>>re_times; cout<<"请输入学习样本数据\n"; { ' G* w& Q' K0 g; {- Y6 w! n for (int m=0;m<N;m++) J, B5 A: w9 [ e5 E# s; ^1 T1 \ cout<<"请输入第"<<m+1<<"组学习样本"<<endl; 9 d' M8 l3 g! {/ Z5 u for (int i=0;i<IN;i++) ; M. m, s# Q: m, q& D cin>>Study_Data[m]->input; # a; a+ |$ b' b# ?( ?0 I2 S } * ~+ q( ~1 l2 n6 t3 l. O) S4 a { for (int m=0;m<N;m++) cout<<"请输入第"<<m+1<<"组教师样本"<<endl; # Y% \0 b; X# k& L. V for (int k=0;k<ON;k++) cin>>Study_Data[m]->teach[k]; / U1 X' X6 P0 p/ s) k0 t0 W } 2 K# C' v% Q4 N- T; U initial(); //隐层、输出层权、阈值初始化 (1) do { ++study; ///??? & K- a _/ }5 d for (int m=0;m<N;m++) { input_P(m); //输入第m个学习样本 (2) ; L# n5 C9 [0 u, L4 D% P8 o input_T(m);//输入第m个样本的教师信号 (3) H_I_O(); //第m个学习样本隐层各单元输入、输出值 (4) % L, h( V2 I7 F% R7 v O_I_O(); //第m个学习样本输出层各单元输入、输出值 (5) - g% d/ ~8 x9 y) [+ j Err_O_H(m); //第m个学习样本输出层至隐层一般化误差 (6) 2 k1 P: I) U i4 d* ^ Err_H_I(); //第m个学习样本隐层至输入层一般化误差 (7) Delta_O_H(m,fp); //第m个学习样本输出层至隐层权阈值调整、修改 (8) Delta_H_I(m,fp); //第m个学习样本隐层至输入层权阈值调整、修改 (9) 9 F. D6 b0 Q3 e, q$ r } //全部样本训练完毕 3 e$ X& j5 u- S$ I1 U sum_err=Err_Sum(); //全部样本全局误差计算 (10) { cout<<"第"<<study<<"次学习的均方误差为"<<sum_err<<endl; ( u5 |. P7 c" E$ H+ y fprintf(fp,"第%d次学习的均方误差为：%f\n",study,sum_err); } while (sum_err > Pre_error) //or(study ( _# g1 p6 }& x7 J5 H# T { //N个样本全局误差小于预定误差否？ 小于则退出 (11) cout<<"网络已经学习了"<<study<<"次,学习的均方误差为"<<sum_err<<endl; fprintf(fp,"网络已经学习了%d次，现在的全局误差为：%f\n",study,total_err); 8 m5 M7 n) I+ Y% F fclose(fp); } char s; cout<<"请随便输入一个字符，按回车退出程序！\n"; cin>>s; 5 B6 j/ e1 N2 v( P$ o9 Q$ g return 1; & D6 h& x4 C% y2 Y9 z* z1 t }

devil1980

笑死了，垃圾程序。这个只能是c 程序

而且还不收敛

误差只能到1

里面还有许多bug

chz0829

看不懂