神经网络BP算法的C语言实xian 2Word文件下载.docx
《神经网络BP算法的C语言实xian 2Word文件下载.docx》由会员分享，可在线阅读，更多相关《神经网络BP算法的C语言实xian 2Word文件下载.docx（12页珍藏版）》请在冰豆网上搜索。
doubleP[IN];
/*/单个样本输入数据*/
doubleT[ON];
/*/单个样本教师数据*/
doubleW[HN][IN];
/*/输入层至隐层权值*/
doubleV[ON][HN];
/*/隐层至输出层权值*/
doubleX[HN];
/*/隐层的输入*/
doubleY[ON];
/*/输出层的输入*/
doubleH[HN];
/*/隐层的输出*/
doubleO[ON];
/*/输出层的输出*/
doubleYU_HN[HN];
/*/隐层的阈值*/
doubleYU_ON[ON];
/*/输出层的阈值*/
doubleerr_m[N];
/*/第m个样本的总误差*/
doublea;
/*/输出层至隐层的学习效率*/
doubleb;
/*/隐层至输入层学习效率*/
doublealpha;
/*/动量因子，改进型bp算法使用*/
doubled_err[ON];
FILE*fp;
/*定义一个放学习样本的结构*/
struct{
doubleinput[IN];
doubleteach[ON];
}Study_Data[N];
/*改进型bp算法用来保存每次计算的权值*/
doubleold_W[HN][IN];
doubleold_V[ON][HN];
}Old_WV[Z];
intStart_Show（）
{
clrscr（）;
printf（"
\n
***********************\n"
）;
*Welcometouse*\n"
*thisprogramof*\n"
*calculatingtheBP*\n"
*model!
*\n"
*Happyeveryday!
***********************\n"
\n\nBeforestarting,pleasereadthefollows
carefully:
\n\n"
1.PleaseensurethePathofthe'
训练样
本.txt'
（xunlianyangben.txt）is\ncorrect,like'
\BP\训练样
!
\n"
2.Thecalculatingresultswillbesavedinthe
Pathof'
\\BP\\'
3.Theprogramwillload10dataswhenrunning
from'
\\BP\\训练样本.txt'
4.TheprogramofBPcanstudyitselfforno
morethan30000times.\nAndsurpassingthenumber,the
programwillbeendedbyitselfin\npreventingrunning
infinitelybecauseoferror!
\n\n\n"
Nowpressanykeytostart...\n"
getch（）;
}
intEnd_Show（）
\n\n----------------------------------------------
-----\n"
Theprogramhasreachedtheendsuccessfully!
\n\nPressanykeytoexit!
*Thisistheend*\n"
*oftheprogramwhich*\n"
*cancalculatetheBP*\n"
*Thanksforusing!
exit（0）;
GetTrainingData（）/*OK*/
{intm,i,j;
intdatr;
if（（fp=fopen（"
f:
\\bp\\训练样本.txt"
"
r"
））==NULL）/*
读取训练样本*/
Cannotopenfilestrikeanykeyexit!
"
exit
（1）;
m=0;
i=0;
j=0;
while（fscanf（fp,"
%d"
&
datr）!
=EOF）
{j++;
if（j<
=（N*IN））
{if（i{
Study_Data[m].input[i]=datr;
/*printf（"
\ntheStudy_Datat[%d].input[%d]=%
f\n"
m,i,Study_Data[m].input[i]）;
*//*usetocheck
theloadedtrainingdatas*/
if（m==（N-1）&
&
i==（IN-1））
i=-1;
if（i==（IN-1））
m++;
elseif（（N*IN）{if（i{Study_Data[m].teach[i]
=datr;
\nTheStudy_Data[%d].teach[%d]=%
f"
m,i,Study_Data[m].teach[i]）;
i==（ON-1））
if（i==（ON-1））
{m++;
i++;
fclose（fp）;
\nThereare[%d]datatsthathavebeenloaded
successfully!
j）;
/*showthedatawhichhasbeenloaded!
*/
\nShowthedatawhichhasbeenloadedas
follows:
for（m=0;
m{for（i=0;
i{printf（"
\nStudy_Data[%d].input[%d]
=%f"
for（j=0;
j{printf（"
\nStudy_Data[%d].teach[%d]=%
m,j,Study_Data[m].teach[j]）;
\n\nPressanykeytostartcalculating..."
return1;
/*///////////////////////////////////*/
/*初始化权、阈值子程序*/
initial（）
{inti;
intii;
intj;
intjj;
intk;
intkk;
/*隐层权、阈值初始化*/
for（i=0;
i{
for（j=1;
j{W[i][j]=（double）（（rand（）/32767.0）*2-1）;
/*初
始化输入层到隐层的权值，随机模拟0和1-1*/
w[%d][%d]=%f\n"
i,j,W[i][j]）;
for（ii=0;
ii{
for（jj=0;
jj{V[ii][jj]=（double）（（rand（）/32767.0）*2-1）;
/*初始化隐层到输出层的权值，随机模拟0和1-1*/
V[%d][%d]=%f\n"
ii,jj,V[ii][jj]）;
for（k=0;
k{
YU_HN[k]=（double）（（rand（）/32767.0）*2-1）;
/*隐层阈值初
始化,-0.01~0.01之间*/
YU_HN[%d]=%f\n"
k,YU_HN[k]）;
for（kk=0;
kk{
YU_ON[kk]=（double）（（rand（）/32767.0）*2-1）;
/*输出层阈值
初始化,-0.01~0.01之间*/
}/*子程序initial（）结束*/
/*//////////////////////////////////////////*/
/*第m个学习样本输入子程序*/
/*/////////////////////////////////////////*/
input_P（intm）
{inti,j;
i{P[i]=Study_Data[m].input[i];
P[%d]=%f\n"
i,P[i]）;
/*获得第m个样本的数据*/
}/*子程序input_P（m）结束*/
/*第m个样本教师信号子程序*/
input_T（intm）
{intk;
kT[k]=Study_Data[m].teach[k];
}/*子程序input_T（m）结束*/
H_I_O（）
doublesigma;
inti,j;
j{
sigm
升级会员 