BP算法程序练习(doing)

最新推荐文章于 2021-12-14 16:41:12 发布

MinJinFan

最新推荐文章于 2021-12-14 16:41:12 发布

阅读量829

点赞数

分类专栏： Machine Learning 文章标签：神经网络机器学习

本文链接：https://blog.csdn.net/qq_37264323/article/details/106749257

版权

本文档主要介绍了BP算法的结构组成，包括输入层、隐藏层和输出层的定义，并详细探讨了BP算法的核心部分，目前处于实践阶段。

摘要由CSDN通过智能技术生成

一、先定义需要用到的结构

1、输入层

#pragma once
#ifndef INPUTLAYER_H
#define INPUTLAYER_H

#include"Header.h"

class InLayer {
public:
	double bias = 1;              //偏置
	//double biasWeight;

	double inputValue;            // 训练的特征值
	std::vector<double> weight;   // 输入层单个神经元对隐藏层每个神经元的权重

};

#endif // !INPUTLAYER_H

2、隐藏层

#pragma once
#ifndef HIDDENLAYER_H
#define HIDDENLAYER_H

#include"Header.h"

class HiddenLayer {
public:
	double bias = 1;  //偏置
	//double biasWeight;

	double inputValue;   // z = sum(weight * x)
	double outputValue;  // a = sigmoid(z)
	
	std::vector<double> weight;   // 隐藏层单个神经元对下一层每个神经元的权重

	double delta = 0;        // 单个神经元的激活项误差
};

#endif // !HIDDENLAYER_H

3、输出层

#pragma once
#ifndef OUTPUTLAYER_H
#define OPUTPUTLAYER_H

class OutLayer {
public:

	double inputValue;   // z = sum(weight * x)
	double outputValue;  // a = sigmoid(z)，即预测输出

	double label;        // 训练的标签

	double delta = 0;        // 单个神经元的激活项误差

};

#endif // !INPUTLAYER_H