BP神经网络实验报告.doc

.

.

精选

精选

.

精选

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

.

.

精选

精选

.

精选

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。如何求到对于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）

#includestdio.h

#includetime.h

#includemath.h

#includestdlib.h

#defineData820

.

.

精选

精选

.

精选

#defineIn2

#defineOut1

#defineNeuron45

#defineTrainC20000

#defineA0.2

#defineB0.4

#definea0.2

#defineb0.3

doubled_in[Data][In],d_out[Data][Out];

doublew[Neuron][In],o[Neuron],v[Out][Neuron];

doubleMaxin[In],Minin[In],Maxout[Out],Minout[Out];

doubleOutputData[Out];

doubledv[Out][Neuron],dw[Neuron][In];

doublee;

voidwriteTest(){

FILE*fp1,*fp2;

doubler1,r2;

inti;

srand((unsigned)time(NU