c语言编bp算法及使用说明

《c语言编bp算法及使用说明》由会员分享，可在线阅读，更多相关《c语言编bp算法及使用说明（14页珍藏版）》请在装配图网上搜索。

1、c语言编bp算法及使用说明训练样本数据文件sample.txt输入格式:(单样本对) (x1,x2,x3.xh,d1,d2,d3,.dj) 测试样本数据输入:(从键盘输入) x1,x2,x3.xh 屏幕输出:y1,y2,y3.yj 在确定网络结构以后，即可确定(输入层)nh,(隐层)ni,(输出层)nj,(样本容量)nk 每次使用之前请修改网络结构数据。 #include #include #include #include #define nh 4 /输入层节点个数#define ni 9 /隐层节点个数#define nj 3 /输出层节点个数#define nk 30 /样本个数#def

2、ine nr 0.85/*学习效率*/ #define EPS 0.00001 float xnknh,/每个样本在输入层每个节点的值dnknj,/ 每个样本在输出层每个节点的值whinhni ,/输入层和隐藏层每个节点的连接权重wijninj,/ 隐藏层和输出层的连接权重thini,thjnj;/ 隐藏层和输出层每个节点的阈植int h,i,j,k; float xminnh,xmaxnh,/存放输入层中每个属性节点的最小和最大值，便于归一化dminnj,dmaxnj; FILE *fp1,*fp2; void init(void); void startleaning(void); voi

3、d testsample(void); void readw(void); void writew(void); float sigmoid(float a); double ranu(void); void init(void) int min,max; if(fp1=0) clrscr(); printf(Can not find the learning sample file!n); exit(0); for(k=0;knk;k+) /对每一个输入样本进行处理，输入每个训练样本和类别信息 for(h=0;hnh;h+) fscanf(fp1,%f,&xkh); for(j=0;jnj;

4、j+) fscanf(fp1,%f,&dkj); for(h=0;hnh;h+) /对输入层的每个节点进行处理 min=1;max=1; for(k=0;knk;k+) /在输入层接点上，对每个样本 if(xkhxmaxh) max=k; xminh=xminh; /所有样本中h属性上最小的值 xmaxh=xmaxh; for(k=0;knk;k+)/*归一化*/ xkh=(xkh-xminh)/(xmaxh-xminh); for(j=0;jnj;j+) min=1;max=1; for(k=0;knk;k+) if(dkjdmaxj) max=k; dminj=dminj; dmaxj=d

5、maxj; for(k=0;knk;k+)/*归一化*/ dkj=(dkj-dminj)/(dmaxj-dminj); /*-*/ void startlearning(void) long int nt,n; float t,errornk,gerror,xjnj,xini,yjnj,yini,pxini,pxjnj; if(fp2=0) for(i=0;ini;i+) /初始化权重和阈值 for(h=0;hnh;h+) whi h i=-0.1+0.2*ranu(); for(j=0;jnj;j+) wiji j=-0.1+0.2*ranu(); thii=-0.1+0.2*ranu();

6、 for(j=0;jnj;j+) thjj=-0.1+0.2*ranu(); fp2=fopen(w.txt,w+); else readw(); /*学习开始*/ printf(tnPlease enter the learning times:n); scanf(%ld,&nt); for(n=0;nnt;n+) /*学习次数*/ gerror=0; for(k=0;knk;k+)/*单样本循环*/ for(i=0;ini;i+) t=0; for(h=0;hnh;h+) t+=whih i*xkh; xi=t+thi; 隐藏层的输入 yi=sigmoid(xi); 隐藏层的输出 for(

7、j=0;jnj;j+) t=0; for(i=0;ini;i+) t+=wijj*yi; xjj=t+thjj; yjj=sigmoid(xjj); 输出层的输出 for(j=0;jnj;j+)/*输出层单样本点误差变化率*/ pxjj=yjj*(1-yjj)*(yjj-dkj); for(i=0;ini;i+)/*隐层单样本点误差变化率*/ t=0; for(j=0;jnj;j+) t+=pxjj*wijj; pxi=yi*(1-yi)*t; for(j=0;jnj;j+) thjj=thjj-nr*pxjj; /输出层权重和阈值的更新for(i=0;ini;i+) wijj=wijj-nr

8、*pxjj*yi; for(i=0;ini;i+) thi=thi-nr*pxi; for(h=0;hnh;h+) whih=whih-nr*pxi*xkh; /隐藏层权重和阈值的更新 t=0; for(j=0;jnj;j+) t+=(yjj-dkj)*(yjj-dkj)/2.0; errork=t; /第 k个样本的误差gerror+=errork;/*全局误差 g(lobal)error*/ /*单样本循环结束*/ if(gerrorEPS) break; /* 学习循环结束*/ writew(); printf(tnGlobal error=%fn,gerror); printf(tnA

9、re you satisfied with the global error?n); printf(Press any key to choose a next task!n); getch(); /*-*/ void testsample(void) /测试float txnh,t,xjnj,xini,yjnj,yini; if(fp2=0) clrscr(); printf(tncan not find the weight file:w.txtn); exit(0); readw(); printf(tnPlease enter the test data:n); for(h=0;hnh

10、;h+) scanf(%f,&txh); for(h=0;hnh;h+) txh=(txh-xminh)/(xmaxh-xminh);/测试样本归一化 for(i=0;ini;i+) t=0; for(h=0;hnh;h+) t+=whih*txh; xi=t+thi; yi=sigmoid(xi); for(j=0;jnj;j+) t=0; for(i=0;ini;i+) t+=wijj*yi; xjj=t+thjj; yjj=sigmoid(xjj); printf(tnNetwork output:n); for(j=0;jnj;j+) yjj=yjj*(dmaxj-dminj)+dmi

11、nj; printf(%f ,yjj); printf(tnAre you satisfied with the output?n); printf(Press any key to choose a next task!n); getch(); /*-*/ void writew(void) rewind(fp2); for(h=0;hnh;h+) for(i=0;ini;i+) fprintf(fp2,%8.3f ,whih); fprintf(fp2,n); fprintf(fp2,n); for(i=0;ini;i+) fprintf(fp2,%8.3f ,thi); fprintf(

12、fp2,nn); for(j=0;jnj;j+) for(i=0;ini;i+) fprintf(fp2,%8.3f ,wijj); fprintf(fp2,n); fprintf(fp2,n); for(j=0;jnj;j+) fprintf(fp2,%8.3f ,thjj); /*-*/ void readw(void) for(h=0;hnh;h+) for(i=0;ini;i+) fscanf(fp2,%f,&whih); for(i=0;ini;i+) fscanf(fp2,%f,&thi); for(j=0;jnj;j+) for(i=0;ini;i+) fscanf(fp2,%f

13、,&wijj); for(j=0;j1.0) return(xrand/m); else xrand=1.0;goto lp; /*-*/ void main() fp1=fopen(sample.txt,r); fp2=fopen(w.txt,r+); init(); while(1) clrscr(); printf(tn Please choose a next task.nn); printf(tn (S) to start learning.n); printf(tn (T) to test samples.n); printf(tn (R) to resume learning.n); printf(tn (Q)uit.n); switch(getchar() case s: startlearning();break; case t: testsample();break; case r: startlearning();break; case q: exit(0);break; fclose(fp1); fclose(fp2);