BP神经网络算法实现

//BP神经网络算法实现


#include <stdio.h>
#include <math.h> 
#include <conio.h> 
#include <stdlib.h>


#define nh 3 /*输入层*/
#define ni 4 /*隐层*/
#define nj 1            /*输出层*/
#define nk 100          /*样本容量*/
#define test 70         /*测试集容量*/
#define nr 0.7          /*学习效率*/
#define EPS 0.00001


float x[nk][nh],d[nk][nj],whi[nh][ni],wij[ni][nj],thi[ni],thj[nj];
int h,i,j,k,ff; 
float xmin[nh],xmax[nh],dmin[nj],dmax[nj]; 
FILE *fp1,*fp2,*fp3,*fp4; 


void init(void); 
void startleaning(void);
void testsample(void); 
void readw(void); 
void readt(void);
void writew(void); 
float sigmoid(float a); 
double ranu(void); 
char filename1[]={"samplefile.txt"};


void init(void) 
{
int min,max;  
if(fp1==0)
{ 
system("cls"); 
printf("Can not find the learning sample file!/n"); 
exit(0);
} 
for(k=0;k<nk;k++)
{ 
for(h=0;h<nh;h++) 
fscanf(fp1,"%f,",&x[k][h]);  //神经网络输入
for(j=0;j<nj;j++) 
fscanf(fp1,"%f,",&d[k][j]);  //神经网络输出
} 
for(h=0;h<nh;h++)
{ 
min=1;
max=1; 
for(k=0;k<nk;k++) 
{ 
if(x[k][h]<x[min][h]) min=k; 
if(x[k][h]>x[max][h]) max=k; 
} 
xmin[h]=x[min][h]; 
xmax[h]=x[max][h]; 
for(k=0;k<nk;k++)/*神经网络输入归一化*/ 
x[k][h]=(x[k][h]-xmin[h])/(xmax[h]-xmin[h]); 
/*x[k][h]=x[k][h]/xmax[h];*/
} 
for(j=0;j<nj;j++) 
{ 
min=1;max=1; 
for(k=0;k<nk;k++) 
{ 
if(d[k][j]<d[min][j])
min=k; 
if(d[k][j]>d[max][j]) 
max=k; 
} 
dmin[j]=d[min][j]; 
dmax[j]=d[max][j]; 
for(k=0;k<nk;k++)/*神经网络输出归一化*/ 
d[k][j]=(d[k][j]-dmin[j])/(dmax[j]-dmin[j]); 
/*d[k][j]=d[k][j]/dmax[j];*/
}
}
/*----------------------------------------------------*/ 
void startlearning(void) 
{ 
long int nt,n; 
float t,error[nk],gerror,xj[nj],xi[ni],yj[nj],yi[ni],pxi[ni],pxj[nj];
float u0=0,u1=0,u2=0,u3=0;
float v0,v1,v2,v3;


for(i=0;i<ni;i++) 
{ 
for(h=0;h<nh;h++) 
whi[h][i]=-0.8+1.6*ranu();
for(j=0;j<nj;j++) 
wij[i][j]=-0.8+1.6*ranu();


thi[i]=-0.5+ranu();
} 
for(j=0;j<nj;j++) 
thj[j]=-0.5+ranu();
fp2=fopen("w.txt","w+");/*权值、阈值初始化*/




/*学习开始*/
printf("/t/nPlease enter the learning times:/n"); 
scanf("%ld",&nt);
for(n=0;n<nt;n++)/*学习次数*/
{
gerror=0; 
for(k=0;k<nk;k++)/*单样本循环*/ 
{ 
for(i=0;i<ni;i++) 
{ 
t=0; 
for(h=0;h<nh;h++) 
t+=whi[h][i]*x[k][h];
xi[i]=t+thi[i];
yi[i]=sigmoid(xi[i]);           /*隐层输出*/
} 
for(j=0;j<nj;j++) 
{
t=0;
for(i=0;i<ni;i++)
t+=wij[i][j]*yi[i];
xj[j]=t+thj[j];
yj[j]=sigmoid(xj[j]);
}                                /*输出层输出*/


for(j=0;j<nj;j++)/*输出层单样本点误差变化率*/ 
pxj[j]=yj[j]*(1-yj[j])*(yj[j]-d[k][j]);
for(i=0;i<ni;i++)/*隐层单样本点误差变化率*/ 
{ 
t=0;
for(j=0;j<nj;j++)
t+=pxj[j]*wij[i][j];
pxi[i]=yi[i]*(1-yi[i])*t;
}
for(j=0;j<nj;j++)
{
//  thj[j]=thj[j]-nr*pxj[j];
v0=thj[j];
thj[j]=thj[j]-0.7*nr*pxj[j]+0.3*u0;
// thj[j]=thj[j]-nr*pxj[j];
u0=thj[j]-v0;
for(i=0;i<ni;i++)
{
v1=wij[i][j];
wij[i][j]=wij[i][j]-0.7*nr*pxj[j]*yi[i]+0.3*u1;
u1=wij[i][j]-v1;
//wij[i][j]=wij[i][j]-nr*pxj[j]*yi[i];     /*隐层到输出层权值修正，其中nr为步长*/
}
}
for(i=0;i<ni;i++) 
{
v2=thi[i];
thi[i]=thi[i]-0.7*nr*pxi[i]+0.3*u2;
u2=thi[i]-v2;
// thi[i]=thi[i]-nr*pxi[i];
for(h=0;h<nh;h++)
{
v3=whi[h][i];
whi[h][i]=whi[h][i]-0.7*nr*pxi[i]*x[k][h]+0.3*u3;
u3=whi[h][i]-v3;
//whi[h][i]=whi[h][i]-nr*pxi[i]*x[k][h];    /*输入层到隐层权值修正，其中nr为步长*/
}
}
t=0; 
for(j=0;j<nj;j++) 
t+=(yj[j]-d[k][j])*(yj[j]-d[k][j])/2.0; 
error[k]=t; 
gerror+=error[k];/*全局误差 g(lobal)error*/ 
}
/*单样本循环结束*/ 


if(gerror<EPS)
break; 
}
/* 学习循环结束*/ 
printf("%f,%f,%f,%f,%f,%f",thi[0],thj[0],wij[0][0],wij[0][1],whi[1][0],whi[0][1]);
writew(); 
printf("/t/nGlobal error=%f/n",gerror);
printf("/t/nAre you satisfied with the global error?/n"); 
printf("Press any key to choose a next task!/n"); 
getch(); 
} 
/*-------------------------------------------------*/
void testsample(void) 
{
float tx[nh],t,xj[nj],xi[ni],yj[nj],yi[ni]; 
if(fp2==0) 
{ 
//   clrscr(); 
printf("/t/ncan not find the weight file:w.txt/n"); 
exit(0); 
} 
readw(); 



for(ff=0;ff<test;ff++)                        /*测试样本预测、结果保存*/
{
for(h=0;h<nh;h++) 
fscanf(fp3,"%f,",&tx[h]); 
for(h=0;h<nh;h++) 
tx[h]=(tx[h]-xmin[h])/(xmax[h]-xmin[h]); /*归一化处理*/
for(i=0;i<ni;i++) 
{ 
t=0; 
for(h=0;h<nh;h++) 
t+=whi[h][i]*tx[h];
xi[i]=t+thi[i];
yi[i]=sigmoid(xi[i]);
} 
for(j=0;j<nj;j++) 
{ 
t=0; 
for(i=0;i<ni;i++) 
t+=wij[i][j]*yi[i];
xj[j]=t+thj[j]; 
yj[j]=sigmoid(xj[j]); 
} 
// printf("/t/nNetwork output:/n");        /*正向预测*/
for(j=0;j<nj;j++)                         /*保存结果*/
{ 
yj[j]=yj[j]*(dmax[j]-dmin[j])+dmin[j]; 
fprintf(fp4,"%f/n",yj[j]); 
} 
// tx[nh-1]=yj[0];
//rewind(fp4); 
//    for(h=0;h<nh;h++) /*测试样本输入*/
// fscanf(fp3,"%f,",&tx[h]); 
 }


   printf("/t/nAre you satisfied with the output?/n"); 
   printf("Press any key to choose a next task!/n"); 
   getch();
} 
/*----------------------------------------------*/ 
void writew(void) 
{ 
rewind(fp2); 
for(h=0;h<nh;h++) 
 { 
  for(i=0;i<ni;i++) 
   fprintf(fp2,"%8.3f ",whi[h][i]); 
   fprintf(fp2,"/n"); 
 } 
fprintf(fp2,"/n"); 


for(i=0;i<ni;i++) 
 fprintf(fp2,"%8.3f ",thi[i]);
fprintf(fp2,"/n/n"); 


for(j=0;j<nj;j++) 
 { 
  for(i=0;i<ni;i++) 
   fprintf(fp2,"%8.3f ",wij[i][j]); 
  fprintf(fp2,"/n"); 
 } 
fprintf(fp2,"/n"); 
for(j=0;j<nj;j++) 
 fprintf(fp2,"%8.3f ",thj[j]); 
} 
/*------------------------------------------------*/ 
void readw(void) 
{ 
for(h=0;h<nh;h++) 
 for(i=0;i<ni;i++) 
   fscanf(fp2,"%f",&whi[h][i]); 
for(i=0;i<ni;i++) 
   fscanf(fp2,"%f",&thi[i]);
for(j=0;j<nj;j++) 
   for(i=0;i<ni;i++) 
      fscanf(fp2,"%f",&wij[i][j]); 
for(j=0;j<nj;j++) 
   fscanf(fp2,"%f",&thj[j]); 
} 
/*--------------------------------*/ 
float sigmoid(float a) 
{
return (1.0/(1+exp(-a)));
}
/*--------------------------------*/ 
double ranu(void) 
{
static double xrand=3.0; 
double m=8589934592.0, a=30517578125.0; 
lp: xrand=fmod(xrand*a,m);     /*整除取余*/
   if(xrand>1.0) 
  return(xrand/m); 
   else 
   {
  xrand=1.0;
  goto lp;
   }
}
/*----------------------------------*/ 


void main() 
{ 
fp1=fopen("sample.txt","r");
fp2=fopen("w.txt","r+");
fp3=fopen("test.txt","r+");
fp4=fopen("testre.txt","r+");
init();
  while(1)
 {
   system("cls"); 
   printf("/t/n    Please choose a next task.../n/n"); 
   printf("/t/n     (S) to start learning./n"); 
   printf("/t/n     (T) to test samples./n"); 
   printf("/t/n     (R) to resume learning./n"); 
   printf("/t/n     (Q) quit./n");
   switch(getchar()) 
  {
    case 's': startlearning();break; 
    case 't': testsample();break;
    case 'r': startlearning();break; 
    case 'q': exit(0);break; 
  } 
 }
fclose(fp1); 
fclose(fp2);
fclose(fp3);
fclose(fp4);
getch();
} 
/*----------------By ahzhming@163.com海阔天空-------------------------*/