人工神经收集bp算法源码 c.docVIP

人工神经网络BP算法源码 C 人工神经网络BP算法源码 3 //接第二贴源码 //后向反馈 void CBpNet::backward(int iSample) { if(iSample1||iSamplemSampleInput.rows()){ MessageBox(NULL,无此样本数据:索引出界!,无此样本数据:索引出界!,MB_OK); return; } int i,j; //输出误差 for(i=1;i=iOutput;i++) mOutputDeltas.r(i)=mOutput.r(i)*(1-mOutput.r(i))*(mSampleTarget.r(iSample,i)-mOutput.r(i)); //隐层误差 double sum=0.0; for(j=1;j=iHidden;j++){ sum=0.0; for(i=1;i=iOutput;i++) sum+=mOutputDeltas.r(i)*mWeighto.r(j,i); mHiddenDeltas.r(j)=mHidden.r(j)*(1-mHidden.r(j))*sum; } //更新隐层－输出权重 double dblChange; for(j=1;j=iHidden;j++) for(i=1;i=iOutput;i++){ dblChange=mOutputDeltas.r(i)*mHidden.r(j); mWeighto.r(j,i)=mWeighto.r(j,i)+dblLearnRate2*dblChange+dblMomentumFactor*mChangeo.r(j,i); mChangeo.r(j,i)=dblChange; } //更新输入－隐层权重 for(i=1;i=iInput;i++) for(j=1;j=iHidden;j++){ dblChange=mHiddenDeltas.r(j)*mInput.r(i); mWeighti.r(i,j)=mWeighti.r(i,j)+dblLearnRate1*dblChange+dblMomentumFactor*mChangei.r(i,j); mChangei.r(i,j)=dblChange; } //修改阙值 for(j=1;j=iOutput;j++) mThresholdo.r(j)-=dblLearnRate2*mOutputDeltas.r(j); for(i=1;i=iHidden;i++) mThresholdi.r(i)-=dblLearnRate1*mHiddenDeltas.r(i); //计算误差 dblErr=0.0; for(i=1;i=iOutput;i++) dblErr+=0.5*(mSampleTarget.r(iSample,i)-mOutput.r(i))*(mSampleTarget.r(iSample,i)-mOutput.r(i)); } //求数据列的范围 Mm CBpNet::scope(Mm mData) {Mm mScope; mScope=zeros(mData.cols(),2); double min,max; for(int i=1;i=mData.cols();i++){ min=max=mData.r(1,i); for(int j=1;j=mData.rows();j++){ if(mData.r(j,i)=max) max=mData.r(j,i); if(mData.r(j,i)=min) min=mData.r(j,i); } if(min==max) min=0.0; mScope.r(i,1)=min; mScope.r(i,2)=max; } return(mScope); } //显示矩阵数据，方便调试 vo