BP神经网络实验报告讲解.doc

江南大学物联网工程学院实验报告 课程名称 人工智能 实验名称 BP神经网络 实验日期 2016-04-30 班级 计科1305 姓名 游思睿 学号 1030413529 实验报告要求 1．实验名称 2．实验要求 3．实验环境 4．实验步骤 5．实验体会 实验目的： 两个输入a、b（10以内的数），一个输出 c，c=a+b。换句话说就是教BP神经网络加法运算。 实验内容： ? Data 用来表示已经知道的数据样本的数量，也就是训练样本的数量。In 表示对于每个样本有多少个输入变量; Out 表示对于每个样本有多少个输出变量。Neuron 表示神经元的数量，TrainC 来表示训练的次数。再来我们看对神经网络描述的数据定义，来看下面这张图里面的数据类型都是 double 型。 ? d_in[Data][In] 存储 Data 个样本，每个样本的 In 个输入。d_out[Data][Out] 存储 Data 个样本，每个样本的 Out 个输出。我们用邻接表法来表示 图1 中的网络，w[Neuron][In] ?表示某个输入对某个神经元的权重，v[Out][Neuron] 来表示某个神经元对某个输出的权重；与之对应的保存它们两个修正量的数组 dw[Neuron][In] 和 dv[Out][Neuron]。数组 o[Neuron] 记录的是神经元通过激活函数对外的输出，OutputData[Out] ?存储BP神经网 络的输出。 ? 初始化主要是涉及两个方面的功能，一方面是对读取的训练样本数据进行归一化处理，归一化处理就是指的就是将数据转换成0~1之间。在BP神经网络理论里面，并没有对这个进行要求，不过实际实践过程中，归一化处理是不可或缺的。因为理论模型没考虑到，BP神经网络收敛的速率问题，一般来说神经元的输出对于0~1之间的数据非常敏感，归一化能够显著提高训练效率。可以用以下公式来对其进行归一化，其中 加个常数A 是为了防止出现 0 的情况（0不能为分母）。 ? ? ? ?y=(x-MinValue+A)/(MaxValue-MinValue+A) ? ? ? 另一方面，就是对神经元的权重进行初始化了，数据归一到了（0~1）之间，那么权重初始化为（-1~1）之间的数据，另外对修正量赋值为0 函数 backUpdate(i) 负责的是将预测输出的结果与样本真实的结果进行比对，然后对神经网络中涉及到的权重进行修正，也这是BP神经网络实现的关键所在。???何求到对于 w[Neuron][In] 和 v[Out][Neuron] 进行修正的误差量便是关键所在！误差修正量的求法在基本模型一文中数学分析部分有解答，具体问题具体分析，落实到我们设计的这个BP神经网络上来说，需要得到的是对w[Neuron][In] 和 v[Out][Neuron] 两个数据进行修正误差，误差量用数据结构 dw[Neuron][In] ?和 ?dv[Out][Neuron]? 来进行存储。那么来分析下这两个修正误差量是什么样的？推导的思路与基本模型中推导误差量的一致，这里仅列出对具体对于我们设计的BP神经网络中的数学推导过程： 实验环境 VS2010 实验步骤（对照截图具体说明，尽量详细） #include stdio.h #include time.h #include math.h #include stdlib.h #define Data 820 #define In 2 #define Out 1 #define Neuron 45 #define TrainC 20000 #define A 0.2 #define B 0.4 #define a 0.2 #define b 0.3 double d_in[Data][In],d_out[Data][Out]; double w[Neuron][In],o[Neuron],v[Out][Neuron]; double Maxin[In],Minin[In],Maxout[Out],Minout[Out]; double OutputData[Out]; double dv[Out][Neuron],dw[Neuron][In]; double e; void writeTest(){ FILE *fp1,*fp2; double r1,r2; int i; srand((unsigned)time(NULL)); if((fp1=fopen(D:\\in.txt,w))==NULL