神经网络BP算法源代码(C ).pdfVIP

void CBP_TView::OnBpLearn() { Simu(); //获得网络输入out0[i][0] 和参考输出targ[i][0] Random_w(); // 随机获得网络初始权值 BeginWaitCursor(); double sum, dw; for (q=0; qnRepeat; q++) // nRepeat: 最大重复次数 { for (p = 0; p nLp; p++) //nLp = st/dt, Simu()中得到 { Work(p); // 网络输出计算 //计算反向传播的delta for (i = 0; i nOut; i++) //输出层delta = (targ-y)*y*(1-y) delta2[p][i] = (targ[p][i] - out2[p][i])*out2[p][i]*(1.0-out2[p][i]); for(int h = 0; h nHide; h++) { // 隐层 (1y ) y   w h h  out ho sum = 0; for(j = 0;j nOut;j++) sum+=delta2[p][j]*w2[j][h]; delta1[p][h] = sum*out1[p][h]*(1.0-out1[p][h]); } } //调整隐层-输出层权值 for ( j=0;jnOut;j++) { sum = 0; for(p = 0; pnLp; p++) sum+=delta2[p][j]; //得到每个输出节点的偏置的权值w(nHide), // eta: 学习率, alpha: 动量因子 dw = eta*sum + alpha*delw2[j][nHide]; // w2[j][nHide] += dw; // delw2[j][nHide] = dw; // //得到其它的权值 for (h = 0; h nHide; h++) { sum = 0; for(p = 0; p nLp; p++) sum+=delta2[p][j]*out1[p][h]; dw = eta*sum + alpha*delw2[j][h]; w2[j][h] += dw; delw2[j][h] = dw; } } //调整输入层-隐层权值 for (h= 0;h nHide; h++) { sum = 0; for (p = 0; p nLp; p++) sum += delta1[p][h]; //得到每个隐层节点的偏置的权值w(nIn) , //eta: 学习率, alpha: 动量因子 dw = eta*sum+alpha*delw1[h][nIn];