c語言人工神經網路

㈤ 急求好用的人工神經網路源程序C語言的，要求好用的，那些錯誤太多的，兄弟們就別發給我了，都快暈死了

#include "stdlib.h"
#include "math.h"
#include "conio.h"
#include "stdio.h"

#define N 36 /*學習樣本個數*/
#define M 3 /*測試樣本個數*/
#define IN 3 /*輸入層神經元個數*/
#define HN 9 /*隱層神經元個數*/
#define ON 1 /*輸出層神經元個數*/

float P[IN]; /*單個樣本輸入數據*/
float T[ON]; /*單個樣本教師數據*/

float W[HN][IN]; /*輸入層至隱層權值*/
float V[ON][HN]; /*隱層至輸出層權值*/

float X[HN]; /*隱層輸入*/
float Y[ON]; /*輸出層輸入*/
float H[HN]; /*隱層輸出*/
float O[ON]; /*輸出層輸出*/

float YU_HN[HN]; /*隱層閾值*/
float YU_ON[ON]; /*輸出層能閾值*/

float err_m[N]; /*第m個樣本誤差*/
float a; /*輸出層至隱層學習率*/
float b; /*隱層至輸入層學習率*/
float alpha; /*改進型BP演算法的動量因子*/
float d_err[ON]; /*輸出層各神經元調整誤差*/
float e_err[HN]; /*隱層各神經元調整誤差*/

FILE *fp;

/*定義一個放學習樣本的結構體*/
struct
{
float input[IN];
float teach[ON];
}Study_Data[N];

/*定義一個放測試樣本的結構體*/
struct
{
float input[IN];
float expect[ON];
}Test_Data[M];
/*改進型BP演算法用來保存每次計算的權值*/

float old_W[HN][IN];
float old_V[ON][HN];

/*讀取訓練樣本*/
GetTrainingData()
{int i,j,m;
float datr;
if((fp=fopen("D:/BP/yundong/sample1.txt","r"))==NULL)
{
printf("Can not open file strike any key exit!");
getch();
exit(1);
}
for(i=0;i<N;i++)
{j=0;
while(j!=(IN+ON)&&fscanf(fp,"%f",&datr)!=EOF)
{if(j>IN-1) Study_Data[i].teach[j-IN]=datr;
else Study_Data[i].input[j]=datr;
j++;
}
}
fclose(fp);
printf("\nThere are [%d] sample datas that have been loaded successfully!\n",N*(IN+ON));
printf("\nShow the data which has been loaded as follows:\n");
for(m=0;m<N;m++)
{for(i=0;i<IN;i++)
{printf("Study_Data[%d].input[%d]=%f\n",m,i,Study_Data[m].input[i]);}
for(j=0;j<ON;j++)
{printf("Study_Data[%d].teach[%d]=%f\n",m,j,Study_Data[m].teach[j]);}
}
printf("\n\nPress any key to begin Study...");
getch();
clrscr();
return 1;
}

/*初始化權、閾值子程序*/
initial()
{int i;
int ii;
int j;
int jj;
int k;
int kk;
printf("\nRandsom Weight value and Bias value!\n");
srand(time(NULL));/*隨機函數種子*/
printf("\nWeight Value:\n");
for(i=0;i<HN;i++){
for(j=0;j<IN;j++) {W[i][j]=(float)(((rand()/32767.0)*2-1)/2);
/*初始化輸入層到隱層的權值，隨機模擬0.5~-0.5 */
printf("\nw[%d][%d]=%f",i,j,W[i][j]);
}
}
for(ii=0;ii<ON;ii++) {
for(jj=0;jj<HN;jj++) {V[ii][jj]= (float)(((rand()/32767.0)*2-1)/2);
/*初始化隱層到輸出層的權值，隨機模擬0.5~-0.5 */
printf("\nV[%d][%d]=%f",ii,jj,V[ii][jj]);
}
}
printf("\n\nBias Value:\n");
for(k=0;k<HN;k++) {
YU_HN[k] = (float)(((rand()/32767.0)*2-1)/2);
/*隱層閾值初始化 ,-0.01 ~ 0.01 之間*/
printf("\nYU_HN[%d]=%f",k,YU_HN[k]);
}
for(kk=0;kk<ON;kk++) {
YU_ON[kk] = (float)(((rand()/32767.0)*2-1)/2);
/*輸出層閾值初始化 ,-0.01 ~ 0.01 之間*/
printf("\nYU_ON[%d]=%f",kk,YU_ON[kk]);
}
printf("\n\n\n\n\nPress any key to start culculating...:\n");
getch();
clrscr();
printf("Please wait...");
return 1;
}

/*第m個學習樣本輸入子程序*/
input_P(int m)
{ int i;

for(i=0;i<IN;i++) {P[i]=Study_Data[m].input[i];}
return 1;
}

/*第m個樣本教師信號子程序*/
input_T(int m)
{int k;
for(k=0;k<ON;k++) {T[k]=Study_Data[m].teach[k];}
return 1;
}

/*求凈輸入，輸出*/
IN_OUT()
{
float sigma1,sigma2;
int i,j,ii,jj;
for(i=0;i<HN;i++)
{
sigma1=0.0;
for(j=0;j<IN;j++)
{sigma1+=W[i][j]*P[j];}/*求隱層內積*/
X[i]=sigma1+YU_HN[i];
H[i]=1.0/(1.0+exp(-X[i]));
}
for(ii=0;ii<ON;ii++)
{
sigma2=0.0;
for(jj=0;jj<HN;jj++)
{sigma2+=V[ii][jj]*H[jj];}
Y[ii]=sigma2+YU_ON[ii];
O[ii]=1.0/(1.0+exp(-Y[ii]));
}
return 1;
}

/*誤差分析*/
/*δk*/
int Err_O_H(int m)
{int k;
float abs_err[ON];
float sqr_err=0.0;
for (k=0;k<ON;k++) {
abs_err[k]=T[k]-O[k];
sqr_err+=(abs_err[k])*(abs_err[k]);
d_err[k]=abs_err[k]*O[k]*(1.0-O[k]);
}
err_m[m]=sqr_err/2;
return 1;
}

/*δj*/
int Err_H_I()
{
int j,k;
float sigma;
for(j=0;j<HN;j++) {
sigma=0.0;
for(k=0;k<ON;k++)
{sigma+=d_err[k]*V[k][j];}
e_err[j]=sigma*H[j]*(1-H[j]);
}
return 1;
}

/*總誤差*/
float Err_Sum()
{int m;
float total_err=0.0;
for(m=0;m<N;m++)
{total_err+=err_m[m];}
return total_err;
}

/*新舊權值更新量交替--改進型Bp演算法*/
saveWV()
{int i;
int ii;
int j;
int jj;
for(i=0;i<HN;i++) {
for(j=0;j<IN;j++)
{old_W[i][j] =b*e_err[i]*P[j];}
}
for(ii=0;ii<ON;ii++){
for(jj=0;jj<HN;jj++)
{old_V[ii][jj] =a*d_err[ii]*H[jj];}
}
return 1;
}

/*更新權值，閾值*/
/*輸出層*/
int Delta_O_H(int n,int study)
{int k,j;
if((n<=1)||(study==1))
{
for (k=0;k<ON;k++)
{
for (j=0;j<HN;j++)
{V[k][j]=V[k][j]+a*d_err[k]*H[j];}
YU_ON[k]+=a*d_err[k];
}
}
else
{
for (k=0;k<ON;k++)
{
for (j=0;j<HN;j++)
{V[k][j]=V[k][j]+a*d_err[k]*H[j]+alpha*(V[k][j]-old_V[k][j]);}
YU_ON[k]+=a*d_err[k];
}
}
return 1;
}
/*隱層*/
Delta_H_I(int n,int study)
{int i,j;
if((n<=1)||(study==1))
{
for (j=0;j<HN;j++)
{
for (i=0;i<IN;i++)
{W[j][i]=W[j][i]+b*e_err[j]*P[i];}
YU_HN[j]+=b*e_err[j];
}
}
else
{
for(j=0;j<HN;j++)
{
for(i=0;i<IN;i++)
{W[j][i]=W[j][i]+b*e_err[j]*P[i]+alpha*(W[j][i]-old_W[j][i]);}
YU_HN[j]+=b*e_err[j];
}
}
return 1;
}

/*保存更新*/
void savequan()
{ int i,j,k;
int ii,jj,kk;
/*save weight*/
if((fp=fopen("D:/BP/yundong/weight1.txt","a"))==NULL)
{
printf("Cannot open file strike any key exit!");
getch();
exit(1);
}
for(i=0;i<HN;i++)
{for(j=0;j<IN;j++) fprintf(fp,"W[%d][%d]=%f\n",i,j,W[i][j]); }

fprintf(fp,"\n");
for(ii=0;ii<ON;ii++)
{for(jj=0;jj<HN;jj++) fprintf(fp,"V[%d][%d]=%f\n",ii,jj,V[ii][jj]);}

fclose(fp);
printf("\nThe result of weight1.txt(quan) has been saved successfully!");
/*save limit*/
if((fp=fopen("D:/BP/yundong/limit1.txt","a"))==NULL)
{
printf("Cannot open file strike any key exit!");
getch();
exit(1);
}
for(k=0;k<ON;k++) fprintf(fp,"YU_ON[%d]=%f\n",k,YU_ON[k]);
for(kk=0;kk<HN;kk++) fprintf(fp,"YU_HN[%d]=%f\n",kk,YU_HN[kk]);
fclose(fp);
printf("\nThe result of limit1.txt(yu) has been saved successfully!\n\n\n\n\nPress any key to Test...");
getch();
clrscr();
}

/*讀取測試樣本*/
GetTestData()
{int i,j,m;
float datr;
if((fp=fopen("D:/BP/yundong/test1.txt","r"))==NULL)
{
printf("Cannot open file strike any key exit!");
getch();
exit(1);
}
for(i=0;i<M;i++)
{j=0;
while(j!=(IN+ON)&&fscanf(fp,"%f",&datr)!=EOF)
{if(j>IN-1) Test_Data[i].expect[j-IN]=datr;
else Test_Data[i].input[j]=datr;
j++;
}
}
fclose(fp);
printf("\nThere are [%d] test datas that have been loaded successfully!\n",M*(IN+ON));
printf("\nShow the data which has been loaded as follows:\n");
for(m=0;m<M;m++)
{for(i=0;i<IN;i++)
{printf("Test__Data[%d].input[%d]=%f\n",m,i,Test_Data[m].input[i]);}
for(j=0;j<ON;j++)
{printf("Test__Data[%d].expec[%d]=%f\n",m,j,Test_Data[m].expect[j]);}
}
printf("\nPress any key to culculating...");
getch();
clrscr();
return 1;
}

/*樣本測試及結果*/
Test()
{int i,j,k,m,l;
float net1[HN],net2[ON],H_net[HN],O_net[ON];
for(m=0;m<M;m++)
{for(i=0;i<HN;i++)
{net1[i]=0.0;
for(j=0;j<IN;j++)
{net1[i]+=Test_Data[m].input[j]*W[i][j];
}
net1[i]=net1[i]+YU_HN[i];
H_net[i]=1.0/(1.0+exp(-net1[i]));
}
for(k=0;k<ON;k++)
{net2[k]=0.0;
for(j=0;j<HN;j++)
{net2[k]+=H_net[j]*V[k][j];
}
net2[k]=net2[k]+YU_ON[k];
O_net[k]=1.0/(1.0+exp(-net2[k]));
printf("\nTest result[%d]=%f\n",m,O_net[k]);
}
}
printf("\nShow the expect data as follows:\n");
for(m=0;m<M;m++)
{
for(l=0;l<ON;l++)
{printf("Test__Data[%d].expec[%d]=%f\n",m,l,Test_Data[m].expect[l]);}
}
printf("\nshow the relative error as follows:\n");
for(m=0;m<M;m++)
{
for(l=0;l<ON;l++)
{printf("relative error[%d]=%f\n",m,fabs(Test_Data[m].expect[l]-O_net[l])/Test_Data[m].expect[l]);}
}
}

/*主程序*/
void main()
{float Pre_error;
float sum_err;
long int study;
long int flag;
int n=1;/*n=1:普通Bp演算法；n=2:改進型Bp演算法*/
flag=200000;
a=0.5;
b=0.5;
alpha=0.5;
study=0;
Pre_error=0.001;/*可接受誤差*/

GetTrainingData();
initial();
do
{int m;
++study;
for(m=0;m<N;m++)
{input_P(m);
input_T(m);
IN_OUT();
Err_O_H(m);
Err_H_I();
Delta_O_H(n,study);
Delta_H_I(n,study);
saveWV();
}
sum_err=Err_Sum();
if(study>flag)
{
printf("\n*******************************\n");
printf("The program is ended by itself because of error!\nThe learning times is surpassed!\n");
printf("*****************************\n");
getch();
break;
}
}while (sum_err>Pre_error);
printf("\n****************\n");
printf("\nThe program have studyed for [%ld] times!\n",study);
printf("總誤差為：%f/n",sum_err);
printf("\n****************\n");
savequan(); /*save the results*/
GetTestData();
printf("\nThe Result of the Test As follows:\n");
Test();

}

㈥ 前饋神經網路（BP演算法）和後饋神經網路（優化） 要求C語言實現！

這個太難了撒，只會用C編什麼運算之類的，無能為力，慚愧啊

㈦ 請教C語言高手，關於神經網路

哥們你太牛X了！！

㈧ BP神經網路的預測（回歸）過程C語言程序

神經網路本質也是一種數據回歸模型。我們舉個簡單的例子
y=ax^2+bx+c，
有三個系數要回歸，如果只給你1～2組數據，你覺得能回歸好嗎？
考慮到樣本本身有誤差，為了防止過擬合（或過學習），一般要求神經網路的訓練樣本數是連接權系數（包括閾值）的2～3倍。你用了太多的連接權系數（包括閾值），即使效果不錯，風險仍然很高。

㈨ 你好，請問你有用C語言寫的用BP神經網路去逼近一個函數的程序嗎

你好，我沒有用c寫過，但是推薦你一個網站，上面有很多http://www.pudn.com/，程序員聯合開發網

㈩ 關於人工神經網路（ANN）的編程（c）

我不懂什麼落石，既然要用c語言做神經網路其實過程很麻煩，神經網路里有很多矩陣的運算，比如轉置，求逆，所以需要非常熟悉矩陣運算，畢竟不是在matlab里那樣調用函數，我個人感覺直接用c會太麻煩，可以在PC上先用matlab或者藉助一些專業的神經網路庫軟體訓練好參數，也就是樣本離線訓練，訓練好的權值放入嵌入式c語言里就可以了，計算量還是蠻大的，我以前用c寫過一些辨識的，用c寫矩陣運算 高斯消元法是精髓