fann_cascadetrain_on_data — 在整个数据集上训练,使用一段时间的 Cascade2 训练算法。
fann_cascadetrain_on_file — 读取文件并在整个数据集上训练,使用 Cascade2 训练算法训练一段时间。
fann_copy — 创建一个 fann 结构体的副本。
fann_create_from_file — 从配置文件中构建一个反向传播神经网络。
fann_create_shortcut_array — 创建一个含快捷连接而非全连接的标准反向传播神经网络。
fann_create_shortcut — 创建一个含快捷连接而非全连接的标准反向传播神经网络。
fann_create_sparse_array — 创建一个标准的反向传播神经网络,该网络使用一个表示每层大小的数组来构造,但是并不是全连接的。
fann_create_sparse — 创建一个标准的反向传播神经网络,该网络不是全连接。
fann_create_standard_array — 创建一个全连接的反向传播神经网络,该网络使用一个表示每层大小的数组来构造。
fann_descale_input — 在获取基于先前计算的参数之后,在输入向量中缩小数据
fann_descale_output — 在获取基于先前计算的参数之后,在输出向量中缩小数据
fann_descale_train — 基于先前计算的参数来缩小输入和输出数据
fann_destroy — 销毁整个网络并且适当地释放所有的关联内存。
fann_get_MSE — 从网络中读取均方误差。
fann_get_quickprop_decay — 返回衰退值,用于在 quickprop 训练迭代时衰减权重
fann_init_weights — 使用 Widrow 和 Nguyen 算法初始化权重。
fann_randomize_weights — 给每个连接赋一个介于 min_weight 和 max_weight 之间的随机权重。
fann_run — 将通过神经网络运行输入。
fann_save — 将整个网络保存至配置文件。
fann_scale_input — 在以前计算参数的基础上,在训练之前放大输入向量中的数据
fann_scale_output — 在以前计算参数的基础上,在训练之前放大输出向量中的数据
fann_scale_train_data — 在训练数据中缩放输入和输出到指定的范围
fann_scale_train — 在以前计算参数的基础上,缩放输入和输出数据
fann_set_quickprop_mu — 设置 quickprop 算法放大因子
fann_set_scaling_params — 根据训练数据计算输入和输出缩放参数以供将来使用
fann_test_data — 使用训练数据来测试并且计算出 MSE .
fann_test — 使用一组输入和一组期望的输出来测试。
fann_train_epoch — 使用一组训练数据训练一个周期。
fann_train_on_file — 在从某个文件读取的整个数据集上训练一段时间。
fann_train — 使用一个输入集和一个期望的输出集来迭代训练一次。