BP网络异或问题C语言实现,bp网络实现xor异或的C语言实现202102

```

// bp21xor210202.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。

//

#define _CRT_SECURE_NO_WARNINGS

#include

/********************************************

**

** 神经网络实现异或操作

**terry 41313989@qq.com

**2013.01.18

**

****************************************************/

#include

#include

#include

#include

#define Ni 2 // 输入层神经元的个数

#define Nm 2 // 隐含层神经元的个数

#define No 1 // 输出层神经元的个数

#define Enom 0.02 // 误差下限，达到这个误差以内即可认为训练成功

#define MAXSAMPLE 1000 // 样本的最大个数

#define BP_LEARNING(float)(0.5)// 学习系数

// 输入层神经元只有传递的功能

float HWeight[Ni + 1][Nm]; // 隐含层神经元的输入权值

float OWeight[Nm + 1][No]; // 输出层神经元的输出权值

float inputValue[Ni];

float destValue[No];

float E; // 每轮的误差

// 训练的过程

int train(float in[Ni], float d[No]);

// 神经网络初始化

void init();

// 测试的过程

int processTest(float in[Ni]);

//Sigmoid函数

float Sigmoid(float num);

int main()

{

float input[MAXSAMPLE][Ni]; // 输入

float dest[MAXSAMPLE][No]; // 目标输出

float test[Ni]; // 测试输入

int num;

int i, j;

long count = 0;

// 输入相关的测试

printf("Please input the number of sample:");

//scanf("%d", &num);

num = 4;

for (i = 0; i < num; i++)

{

for (j = 0; j < Ni; j++)

//scanf("%f", &input[i][j]);

input[0][0] = 0;input[0][1] = 0;

input[1][0] = 0;input[1][1] = 1;

input[2][0] = 1;input[2][1] = 0;

input[3][0] = 1;input[3][1] = 1;

for (j = 0; j < No; j++)

//scanf("%f", &dest[i][j]);

dest[0][0] = 0;

dest[1][0] = 1;

dest[2][0] = 1;

dest[3][0] = 0;

}

init();

while (1)

{

E = 0;

for (i = 0; i < num; i++)

{

train(input[i], dest[i]);

}

if (E < Enom)

break;

if (count % 20000 == 0)

printf("第%d迭代的误差为 %f \n", count, E);

count++;

}

// 训练好的神经网络测试

while (1)

{

printf("Please input the test data:");

for (i = 0; i < Ni; i++)

scanf("%f", &test[i]);

processTest(test);

}

return 1;

}

// 测试的过程

int processTest(float in[Ni])

{

int i, j;

float net[Nm], iin[Nm], out[No];

// 计算隐含层的神经元值

for (i = 0; i < Nm; i++)

{

net[i] = 1 * HWeight[0][i];

for (j = 1; j < Ni + 1; j++)

net[i] += HWeight[j][i] * in[j - 1];

}

// 使用S函数

for (i = 0; i < Nm; i++)

iin[i] = Sigmoid(net[i]);

// 计算输出层的值

for (i = 0; i < No; i++)

{

net[i] = 1 * OWeight[0][i];

for (j = 1; j < Nm + 1; j++)

net[i] += OWeight[j][i] * iin[j - 1];

}

for (i = 0; i < No; i++)

{

out[i] = Sigmoid(net[i]);

printf("%f ", out[i]);

}

printf("\n");

return 1;

}

// 训练的过程

int train(float in[Ni], float d[No])

{

int i, j;

float net[Nm], iin[Nm], out[No];

float deltaO[No + 1], deltaM[Nm + 1]; // delta值

float temp;

// 计算隐含层的神经元值

for (i = 0; i < Nm; i++)

{

net[i] = 1 * HWeight[0][i];

for (j = 1; j < Ni + 1; j++)

net[i] += HWeight[j][i] * in[j - 1];

}

// 使用S函数

for (i = 0; i < Nm; i++)

iin[i] = Sigmoid(net[i]);

// 计算输出层的值

for (i = 0; i < No; i++)

{

net[i] = 1 * OWeight[0][i];

for (j = 1; j < Nm + 1; j++)

net[i] += OWeight[j][i] * iin[j - 1];

}

for (i = 0; i < No; i++)

out[i] = Sigmoid(net[i]);

for (i = 0; i < No; i++)

E += (float)fabs(out[i] - d[i]);

// 计算误差，反向传播

for (i = 0; i < No; i++)

{

deltaO[i] = out[i] * (1 - out[i])*(d[i] - out[i]);

}

for (i = 0; i < Nm; i++)

{

temp = 0;

for (j = 0; j < No; j++)

{

temp += deltaO[j] * OWeight[i + 1][j];

}

deltaM[i] = iin[i] * (1 - iin[i])*temp;

}

// 调整权值

// 输出层

for (i = 0; i < No; i++)

{

OWeight[0][i] += BP_LEARNING * 1 * deltaO[i];

for (j = 1; j < Nm + 1; j++)

OWeight[j][i] += BP_LEARNING * iin[j - 1] * deltaO[i];

}

for (i = 0; i < Nm; i++)

{

HWeight[0][i] += BP_LEARNING * 1 * deltaM[i];

for (j = 1; j < Nm + 1; j++)

HWeight[j][i] += BP_LEARNING * in[j - 1] * deltaM[i];

}

return 1;

}

// 神经网络初始化

void init()

{

int i, j;

int random;

double x;

int stime;

long ltime;

ltime = time(NULL);

stime = (unsigned)ltime / 2;

srand(stime);

for (i = 0; i < Ni + 1; i++)

for (j = 0; j < Nm; j++)

{

// 设定网络连接的初值取值范围为(-0.5，0.5)

random = rand() % 100 - 50;

x = random;

x = x / 100;

HWeight[i][j] = (float)x;

}

for (i = 0; i < Nm + 1; i++)

for (j = 0; j < No; j++)

{

random = rand() % 100 - 50;

x = random;

x = x / 100;

OWeight[i][j] = (float)x;

}

}

//Sigmoid函数

float Sigmoid(float num)

{

return (float)(1 / (1 + exp(-num)));

}

//int main()

//{

// std::cout << "Hello World!\n";

//}

```