BP网络的C/C++实现,含有详细代码和例子,适合初学者
2016-08-23
2 0 0
4.0 分
其他
如何获取积分?
应用背景
人工神经网络(ANN)中关于反向传播算法的内容,相比单个感知器而言,采用多层网络的反向传播算法能表示出更多种类的非线性曲面,整个神经网络可以分成三层:输入层,隐藏层,输出层,通过加权线性变换,层与层之间的传递,最终得到输入层的实数值。关键技术
本人根据附件里面的文章编写的反向传播算法代码,里面含有详细的代码注释和文章例子, 可以让初学者深刻理解反向传播算法,适合初学者学习。给出BP算法训练的例子,对单个样本的训练的情况进行编写和验证。
//输入层到隐层的过程
float fNetj[m];
for (int j= 0;j < m; j++){
fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置,偏置×1还是偏置,所以直接加上,
//后面就不用乘了
for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V
fNetj[j] +=fInputdata[i]*fTheta[i][j];
}
fMidResult[j] = 1/(1 + exp(-fNetj[j]));
//cout<<"隐层的数据结果为"<<fMidResult[j] <<" ";
}
//cout<<endl;
//隐层到输出层的过程
float fNetk[l];
for (int k= 0;k < l; k++){
fNetk[k] = fWeight[m][k]; //同样初始化就加上偏置
for(int j= 0; j < m; j++){ //得到netj 的值 netj= X^V
fNetk[k] +=fMidResult[j]*fWei
c++
网络
代码
bp
CC
例子
实现
适合
初学者
详细
含有
相关源码推荐
局部路径规划算法-DWA算法
0
0
暂无评分
enDAQ-Shock-Data-Share-SRS-Blog
0
0
暂无评分
在Windows应用程序里调用chatGPT
0
0
暂无评分
bp神经网络预测输出
0
0
暂无评分
测试Hello world
0
0
暂无评分
暂无评论