python语言实现多层前向nn的bp算法_如何用C语言编程实现多层前向BP神经网络,用来解决逻辑 XOR 运算和奇偶检验问题...

6.

(

1

)试用

C

语言编程实现多层前向

NN

的

BP

算法。要求：输入、输出结点数目，隐层

数目，及各隐层中结点的数目应为任意整数。

(

2

)试用所编出的

BP

算法程序训练出一个实现

XOR

运算的

2

层前向网络。

(

3

)用所编出的

BP

算法程序训练出输入矢量的维数分别为

n=7

和

n=8

的两个实现奇偶

检验运算(即如题

2.(2)

所述)的

2

层前向

NN

。

注：对第

6

题的要求：

(i)

列表给出训练收敛后的

NN

权值和所用的迭代次数；

(ii)

给出训练收敛后的训练误差和检验误差，及用训练集和检验集做输入时所得到的正确输

出率；

(iii)

给出

NN

的学习曲线(即

E(W(k))

随迭代次数

k

的变化曲线，该结果应是用计算程序

计算和打印出来的曲线，而不要是用手画出的曲线)

。

(

1

)用

C

语言编程实现前向

NN

的

BP

算法

解：

解题思路：先用

C

语言编程实现前向

NN

的

BP

算法，再将误差保存至文本文件，最

后用

MATLAB

绘制出误差曲线。

(

1.1

)开发思路

奇偶检验问题可视为

XOR

问题的推广(由

2

输入到

n

输入的推广)

：若

n

个输入中

有奇数个

1

，则输出为

1

；若

n

个输入中有偶数个

1

，则输出为

0

。一个

2

层的

NN

可实

现奇偶检验运算。

本文选用

2

层神经网络，包括隐含层

1

层，输出层

1

层，来设计

BP

神经网络。