欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

C++實(shí)現(xiàn)神經(jīng)BP神經(jīng)網(wǎng)絡(luò)

 更新時(shí)間：2020年05月25日 14:15:33   作者：悟名堂  
這篇文章主要為大家詳細(xì)介紹了C++實(shí)現(xiàn)神經(jīng)BP神經(jīng)網(wǎng)絡(luò)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了C++實(shí)現(xiàn)神經(jīng)BP神經(jīng)網(wǎng)絡(luò)的具體代碼，供大家參考，具體內(nèi)容如下

BP.h

#pragma once
#include<vector>
#include<stdlib.h>
#include<time.h>
#include<cmath>
#include<iostream>
using std::vector;
using std::exp;
using std::cout;
using std::endl;
class BP
{
private:
 int studyNum;//允許學(xué)習(xí)次數(shù)
 double h;//學(xué)習(xí)率
 double allowError;//允許誤差
 vector<int> layerNum;//每層的節(jié)點(diǎn)數(shù)，不包括常量節(jié)點(diǎn)1
 vector<vector<vector<double>>> w;//權(quán)重
 vector<vector<vector<double>>> dw;//權(quán)重增量
 vector<vector<double>> b;//偏置
 vector<vector<double>> db;//偏置增量
 vector<vector<vector<double>>> a;//節(jié)點(diǎn)值
 vector<vector<double>> x;//輸入
 vector<vector<double>> y;//期望輸出

 void iniwb();//初始化w與b
 void inidwdb();//初始化dw與db
 double sigmoid(double z);//激活函數(shù)
 void forward();//前向傳播
 void backward();//后向傳播
 double Error();//計(jì)算誤差
public:
 BP(vector<int>const& layer_num, vector<vector<double>>const & input_a0,
 vector<vector<double>> const & output_y, double hh = 0.5, double allerror = 0.001, int studynum = 1000);
 BP();
 void setLayerNumInput(vector<int>const& layer_num, vector<vector<double>> const & input);
 void setOutputy(vector<vector<double>> const & output_y);
 void setHErrorStudyNum(double hh, double allerror,int studynum);
 void run();//運(yùn)行BP神經(jīng)網(wǎng)絡(luò)
 vector<double> predict(vector<double>& input);//使用已經(jīng)學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)
 ~BP();
};

BP.cpp

#include "BP.h"
BP::BP(vector<int>const& layer_num, vector<vector<double>>const & input,
 vector<vector<double>> const & output_y, double hh, double allerror,int studynum)
{
 layerNum = layer_num;
 x = input;//輸入多少個(gè)節(jié)點(diǎn)的數(shù)據(jù)，每個(gè)節(jié)點(diǎn)有多少份數(shù)據(jù)
 y = output_y;
 h = hh;
 allowError = allerror;
 a.resize(layerNum.size());//有這么多層網(wǎng)絡(luò)節(jié)點(diǎn)
 for (int i = 0; i < layerNum.size(); i++)
 {
 a[i].resize(layerNum[i]);//每層網(wǎng)絡(luò)節(jié)點(diǎn)有這么多個(gè)節(jié)點(diǎn)
 for (int j = 0; j < layerNum[i]; j++)
  a[i][j].resize(input[0].size());
 }
 a[0] = input;
 studyNum = studynum;
}

BP::BP()
{
 layerNum = {};
 a = {};
 y = {};
 h = 0;
 allowError = 0;
}

BP::~BP()
{
}

void BP::setLayerNumInput(vector<int>const& layer_num, vector<vector<double>> const & input)
{
 layerNum = layer_num;
 x = input;
 a.resize(layerNum.size());//有這么多層網(wǎng)絡(luò)節(jié)點(diǎn)
 for (int i = 0; i < layerNum.size(); i++)
 {
 a[i].resize(layerNum[i]);//每層網(wǎng)絡(luò)節(jié)點(diǎn)有這么多個(gè)節(jié)點(diǎn)
 for (int j = 0; j < layerNum[i]; j++)
  a[i][j].resize(input[0].size());
 }
 a[0] = input;
}


void BP::setOutputy(vector<vector<double>> const & output_y)
{
 y = output_y;
}

void BP::setHErrorStudyNum(double hh, double allerror,int studynum)
{
 h = hh;
 allowError = allerror;
 studyNum = studynum;
}

//初始化權(quán)重矩陣
void BP::iniwb()
{
 w.resize(layerNum.size() - 1);
 b.resize(layerNum.size() - 1);
 srand((unsigned)time(NULL));
 //節(jié)點(diǎn)層數(shù)層數(shù)
 for (int l = 0; l < layerNum.size() - 1; l++)
 {
 w[l].resize(layerNum[l + 1]);
 b[l].resize(layerNum[l + 1]);
 //對(duì)應(yīng)后層的節(jié)點(diǎn)
 for (int j = 0; j < layerNum[l + 1]; j++)
 {
  w[l][j].resize(layerNum[l]);
  b[l][j] = -1 + 2 * (rand() / RAND_MAX);
  //對(duì)應(yīng)前層的節(jié)點(diǎn)
  for (int k = 0; k < layerNum[l]; k++)
  w[l][j][k] = -1 + 2 * (rand() / RAND_MAX);
 }
 }
}


void BP::inidwdb()
{
 dw.resize(layerNum.size() - 1);
 db.resize(layerNum.size() - 1);
 //節(jié)點(diǎn)層數(shù)層數(shù)
 for (int l = 0; l < layerNum.size() - 1; l++)
 {
 dw[l].resize(layerNum[l + 1]);
 db[l].resize(layerNum[l + 1]);
 //對(duì)應(yīng)后層的節(jié)點(diǎn)
 for (int j = 0; j < layerNum[l + 1]; j++)
 {
  dw[l][j].resize(layerNum[l]);
  db[l][j] = 0;
  //對(duì)應(yīng)前層的節(jié)點(diǎn)
  for (int k = 0; k < layerNum[l]; k++)
  w[l][j][k] = 0;
 }
 }
}

//激活函數(shù)
double BP::sigmoid(double z)
{
 return 1.0 / (1 + exp(-z));
}

void BP::forward()
{
 for (int l = 1; l < layerNum.size(); l++)
 {
 for (int i = 0; i < layerNum[l]; i++)
 {
  for (int j = 0; j < x[0].size(); j++)
  {

  a[l][i][j] = 0;//第l層第i個(gè)節(jié)點(diǎn)第j個(gè)數(shù)據(jù)樣本
  //計(jì)算變量節(jié)點(diǎn)乘權(quán)值的和
  for (int k = 0; k < layerNum[l - 1]; k++)
   a[l][i][j] += a[l - 1][k][j] * w[l - 1][i][k];
  //加上節(jié)點(diǎn)偏置
  a[l][i][j] += b[l - 1][i];
  a[l][i][j] = sigmoid(a[l][i][j]);
  }
 }
 }
}

void BP::backward()
{
 int xNum = x[0].size();//樣本個(gè)數(shù)
 //daP第l層da，daB第l+1層da
 vector<double> daP, daB;
 

 for (int j = 0; j < xNum; j++)
 {
 //處理最后一層的dw
 daP.clear();
 daP.resize(layerNum[layerNum.size() - 1]);
 for (int i = 0, l = layerNum.size() - 1; i < layerNum[l]; i++)
 {
  daP[i] = a[l][i][j] - y[i][j];
  for (int k = 0; k < layerNum[l - 1]; k++)
  dw[l - 1][i][k] += daP[i] * a[l][i][j] * (1 - a[l][i][j])*a[l - 1][k][j];
  db[l - 1][i] += daP[i] * a[l][i][j] * (1 - a[l][i][j]);
 }

 //處理剩下層的權(quán)重w的增量Dw
 for (int l = layerNum.size() - 2; l > 0; l--)
 {
  daB = daP;
  daP.clear();
  daP.resize(layerNum[l]);
  for (int k = 0; k < layerNum[l]; k++)
  {
  daP[k] = 0;
  for (int i = 0; i < layerNum[l + 1]; i++)
   daP[k] += daB[i] * a[l + 1][i][j] * (1 - a[l + 1][i][j])*w[l][i][k];
  //dw
  for (int i = 0; i < layerNum[l - 1]; i++)
   dw[l - 1][k][i] += daP[k] * a[l][k][j] * (1 - a[l][k][j])*a[l - 1][i][j];
  //db
  db[l-1][k] += daP[k] * a[l][k][j] * (1 - a[l][k][j]);
  }
 }

 }
 
 //計(jì)算dw與db平均值
 for (int l = 0; l < layerNum.size() - 1; l++)
 {
 //對(duì)應(yīng)后層的節(jié)點(diǎn)
 for (int j = 0; j < layerNum[l + 1]; j++)
 {
  db[l][j] = db[l][j] / xNum;
  //對(duì)應(yīng)前層的節(jié)點(diǎn)
  for (int k = 0; k < layerNum[l]; k++)
  w[l][j][k] = w[l][j][k] / xNum;
 }
 }

 //更新參數(shù)w與b
 for (int l = 0; l < layerNum.size() - 1; l++)
 {
 for (int j = 0; j < layerNum[l + 1]; j++)
 {
  b[l][j] = b[l][j] - h * db[l][j];
  //對(duì)應(yīng)前層的節(jié)點(diǎn)
  for (int k = 0; k < layerNum[l]; k++)
  w[l][j][k] = w[l][j][k] - h * dw[l][j][k];
 }
 }
}

double BP::Error()
{
 int l = layerNum.size() - 1;
 double temp = 0, error = 0;
 for (int i = 0; i < layerNum[l]; i++)
 for (int j = 0; j < x[0].size(); j++)
 {
  temp = a[l][i][j] - y[i][j];
  error += temp * temp;
 }
 error = error / x[0].size();//求對(duì)每一組樣本的誤差平均
 error = error / 2;
 cout << error << endl;
 return error;
}

//運(yùn)行神經(jīng)網(wǎng)絡(luò)
void BP::run()
{
 iniwb();
 inidwdb();
 int i = 0;
 for (; i < studyNum; i++)
 {
 forward();
 if (Error() <= allowError)
 {
  cout << "Study Success!" << endl;
  break;
 }
 backward();
 }
 if (i == 10000)
 cout << "Study Failed!" << endl;
}

vector<double> BP::predict(vector<double>& input)
{
 vector<vector<double>> a1;
 a1.resize(layerNum.size());
 for (int l = 0; l < layerNum.size(); l++)
 a1[l].resize(layerNum[l]);
 a1[0] = input;
 for (int l = 1; l < layerNum.size(); l++)
 for (int i = 0; i < layerNum[l]; i++)
 {
  a1[l][i] = 0;//第l層第i個(gè)節(jié)點(diǎn)第j個(gè)數(shù)據(jù)樣本
  //計(jì)算變量節(jié)點(diǎn)乘權(quán)值的和
  for (int k = 0; k < layerNum[l - 1]; k++)
  a1[l][i] += a1[l - 1][k] * w[l - 1][i][k];
  //加上節(jié)點(diǎn)偏置
  a1[l][i] += b[l - 1][i];
  a1[l][i] = sigmoid(a1[l][i]);
 }
 return a1[layerNum.size() - 1];
}

驗(yàn)證程序：

#include"BP.h"

int main()
{
 vector<int> layer_num = { 1, 10, 1 };
 vector<vector<double>> input_a0 = { { 1,2,3,4,5,6,7,8,9,10 } };
 vector<vector<double>> output_y = { {0,0,0,0,1,1,1,1,1,1} };

 BP bp(layer_num, input_a0,output_y,0.6,0.001, 2000);
 bp.run();
 for (int j = 0; j < 30; j++)
 {
 vector<double> input = { 0.5*j };
 vector<double> output = bp.predict(input);
 for (auto i : output)
  cout << "j:" << 0.5*j <<" pridict:" << i << " ";
 cout << endl;
 }
 system("pause");
 return 0;
}

輸出：

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

相關(guān)文章

  • C語(yǔ)言中函數(shù)指針與軟件設(shè)計(jì)經(jīng)驗(yàn)總結(jié)

    C語(yǔ)言中函數(shù)指針與軟件設(shè)計(jì)經(jīng)驗(yàn)總結(jié)

    今天小編就為大家分享一篇關(guān)于C語(yǔ)言中函數(shù)指針與軟件設(shè)計(jì)經(jīng)驗(yàn)總結(jié)，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧
    2018-12-12
  • C語(yǔ)言數(shù)據(jù)結(jié)構(gòu)線性表教程示例詳解

    C語(yǔ)言數(shù)據(jù)結(jié)構(gòu)線性表教程示例詳解

    這篇文章主要為大家介紹了C語(yǔ)言數(shù)據(jù)結(jié)構(gòu)線性表的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2022-02-02
  • C++使用Kruskal和Prim算法實(shí)現(xiàn)最小生成樹(shù)

    C++使用Kruskal和Prim算法實(shí)現(xiàn)最小生成樹(shù)

    這篇文章主要介紹了C++使用Kruskal和Prim算法實(shí)現(xiàn)最小生成樹(shù)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2019-01-01
  • 詳解c++ 靜態(tài)成員變量

    詳解c++ 靜態(tài)成員變量

    這篇文章主要介紹了c++ 靜態(tài)成員變量的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)c++，感興趣的朋友可以了解下
    2020-09-09
  • C++實(shí)現(xiàn)屏幕截圖

    C++實(shí)現(xiàn)屏幕截圖

    這篇文章主要為大家詳細(xì)介紹了C++實(shí)現(xiàn)屏幕截圖功能，截圖自動(dòng)保存為png格式文件，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2018-05-05
  • 淺析C++中dynamic_cast和static_cast實(shí)例語(yǔ)法詳解

    淺析C++中dynamic_cast和static_cast實(shí)例語(yǔ)法詳解

    這篇文章主要介紹了淺析C++中dynamic_cast和static_cast實(shí)例演示,包括static_cast語(yǔ)法知識(shí)和static_cast的作用講解，namic_cast 語(yǔ)法詳解，需要的朋友可以參考下
    2021-07-07
  • C 語(yǔ)言基礎(chǔ)教程(我的C之旅開(kāi)始了)[四]

    C 語(yǔ)言基礎(chǔ)教程(我的C之旅開(kāi)始了)[四]

    C 語(yǔ)言基礎(chǔ)教程(我的C之旅開(kāi)始了)[四]...
    2007-02-02
  • C語(yǔ)言之函數(shù)遞歸的實(shí)現(xiàn)

    C語(yǔ)言之函數(shù)遞歸的實(shí)現(xiàn)

    本文主要介紹了C語(yǔ)言之函數(shù)遞歸的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2023-07-07
  • 淺談C++對(duì)象組合

    淺談C++對(duì)象組合

    本文主要說(shuō)明對(duì)象創(chuàng)建時(shí)構(gòu)造函數(shù)的執(zhí)行順序，對(duì)象成員的初始化順序；對(duì)象銷毀時(shí)析構(gòu)函數(shù)的執(zhí)行順序，對(duì)象成員的銷毀順序。
    2015-06-06
  • C語(yǔ)言分支循環(huán)其嵌套語(yǔ)句的使用

    C語(yǔ)言分支循環(huán)其嵌套語(yǔ)句的使用

    本文主要介紹了switch 嵌套和循環(huán)嵌套，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2021-11-11

最新評(píng)論