BP网络C++实现(很不错的).pdfVIP

//将三位二进制数转为一位十进制数 #include iostream #include cmath using namespace std; #define innode 3 //输入结点数 #define hidenode 10// 隐含结点数 #define outnode 1 //输出结点数 #define trainsample 8//BP 训练样本数 class BpNet { public: void train(double p[trainsample][innode ],double t[trainsample][outnode]);//Bp 训练 double p[trainsample][innode]; //输入的样本 double t[trainsample][outnode]; //样本要输出的 double *recognize(double *p);//Bp 识别 void writetrain(); //写训练完的权值 void readtrain(); //读训练好的权值，这使的不用每次去训练了，只要把训练最好的权值 存下来就OK BpNet(); virtual ~BpNet(); public: void init(); double w[innode][hidenode];//隐含结点权值 double w1[hidenode][outnode];//输出结点权值 double b1[hidenode];//隐含结点阀值 double b2[outnode];//输出结点阀值 double rate_w; //权值学习率（输入层-隐含层) double rate_w1;//权值学习率 (隐含层-输出层) double rate_b1;//隐含层阀值学习率 double rate_b2;//输出层阀值学习率 double e;//误差计算 double error;//允许的最大误差 double result[outnode];// Bp 输出 }; BpNet::BpNet() { error=1.0; e=0.0; rate_w=0.9; //权值学习率（输入层--隐含层) rate_w1=0.9; //权值学习率 (隐含层--输出层) rate_b1=0.9; //隐含层阀值学习率 rate_b2=0.9; //输出层阀值学习率 } BpNet::~BpNet() { } void winit(double w[],int n) //权值初始化 { for(int i=0;in;i++) w[i]=(2.0*(double)rand()/RAND_MAX)-1; } void BpNet::init() { winit((double*)w,innode*hidenode); winit((double*)w1,hidenode*outnode); winit(b1,hidenode); winit(b2,outnode); } void BpNet::train(double p[trainsample][innode],double t[trainsample][outnode]) { double pp[hidenode];//隐含结点的校正误差 double qq[outnode];//希望输出值与实际输出值的偏差 double yd[outnode];//希望输出值 double x[innode]; //输入向量 double x1[hidenode];//隐含结点状态值 double x2[outnode];//输出结点状态值 double o1[hidenode];//隐含层激活值 double o2[hidenode];//输出层激活值 for(int isamp=0;isamptrainsample;isamp++)//循环训练一次样品 { for(int i=0;iinnode;i++)