BP神经网络(原理及代码实现)

前言

  本文主要内容是BP神经网络的Python实现(借助tensorflow库)和C++实现（未借助相关库）

Python实现BP神经网络

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'#暂时屏蔽警告，只显示error信息
from plugin import *
#构建数据
x_data = np.arange(-1,1,0.01)[: ,np.newaxis]
print("x_data",x_data)
noise = np.random.normal(0,0.05,x_data.shape)
y_data= 0.5*(np.sin(x_data)+noise)
print("y_data",y_data)
    

#占位符
xs = tf.compat.v1.placeholder(tf.float32,[None,1])
ys =tf.compat.v1.placeholder(tf.float32,[None,1])
h1 = add_layer(xs,1,20,tf.nn.relu)
prediction = add_layer(h1,20,1)
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction), reduction_indices =[1] ) )
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
init = tf.global_variables_initializer()#初始化所有变量
sess = tf.compat.v1.Session()


if __name__ == "__main__":   
    sess.run(init)
    for i in range(10000):
        sess.run(train_step,feed_dict = {xs:x_data,ys:y_data})
        if i %100 ==0:
            print(sess.run(loss,feed_dict = {xs:x_data,ys:y_data}))

C++实现BP神经网络

BP（Back-Propagating）神经网络的特点是向前传送输入数据，向后反馈误差。理论上，一个三层（输入层，隐含层，输出层）的BP神经网络可以实现任意m维到任意n维的映射。
查看相应代码可访问我的github(https://github.com/YuruTu)，博客主要发挥介绍性的工作，github上更新最新代码
https://github.com/YuruTu/BPNN/blob/master
头文件pch.h

#ifndef PCH_H
#define PCH_H
#include <cmath>
#include <iostream>
#include <vector>
#include <string.h>
#include <ctime>
#include <random>

#endif //PCH_H

主函数main.cpp