《《BP神经网络实验报告》》由会员分享，可在线阅读，更多相关《《BP神经网络实验报告》（5页珍藏版）》请在金锄头文库上搜索。
1、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206-04-30班级计科1305姓名游思睿学号103043529实验报告虹实验名称2实验要求.实验环境4.实验步骤5.实验体会一、实验目的:两个输入a、(0以内的数），一个输出c,c=ab。换句话说就是教BP神经网络加法运算。二、实验内容:aa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。I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，TranC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oub型。djntaI
2、n_outDaaOutNeurndnData存储Dt个样本,每个样本的n个输入。otDataOut存储Da个样本，每个样本的t个输出。我们用邻接表法来表示图1中的网络，wNeuronIn表示某个输入对某个神经元的权重，vOutNr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dweuroI和dvOuturon。数组Nen记录的是神经元通过激活函数对外的输出，OtputDatOut存储P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1之间。在B神经网络理论里面,并没有对这个进行要求，不过实际实践
3、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（不能为分母)。y（inue+A）/(Mxlu-MinVae+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）之间，那么权重初始化为（-11）之间的数据，另夕卜对修正量赋值为0函数bckUdate(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NernIn和OutNe
4、uo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wNeuoIn和vOutNeuron两个数据进行修正误差，误差量用数据结构dwNeurnIn和vOutNeuron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:dE祟二事祟勺珈dw6E为j矿X.=dEdwkido-ki.J三、实验环境VS010四、实验步骤（对照截图具体说明，尽量详细)#ncludedio#ncludetie.h#in
5、lude#inclestdlibhdefieaa820#defieIn2#dfiOu#defineeuro5#efieTraiC200define0.2#deineB0.#dfinea0.#defieb.3doubed_inDaIn,_tDatut;dublewNeuronI,oNeurn，vOutNeun;ouleMaxinI,MininIn,MaxotOut,MinoutOut;oubletutDatOut;dubledvOtNon,wuronIn;dobee;vidwritTest（)IL*fp1，fp2；doubler1,2；iti;rad(unsige)tme(NULL）)；if(（
6、fp1=pen(：.txt”,w)）NLL)pitf(annotpneinfien);exit(0);if(fpfopn(D:ut.tx”，)=N)printf（cnnotopntheutfilen）；exit(0)；fo(i=;a；+)r1rand(）%1000/000;r2rand（)10/0.0；fprintf（f1,lf%lf,r,2）;frint(fp2,%lfn”,r1+r2);fose(f1）；fcl(f2)；voidreadDat（)ILEfp1,*fp2;in，j；f(p=foe(D:in.xt,)=NULL）（rinf(cannotopenteifie）;exit();fo
7、r(i=0;iData；i+)fo(=0;In;j+）fsanf(p1，lf,&d_nij)；fcloe(1)；i(2=fopen(D:outt”，r）)=NUL）print(cannotopenteutflen);exi(0)；for(=0;iat;i+）for(j=0；jOut;j+)fscanf（fp1，%f,&d_ouij）；fcloe(p2)；voiiBPeok()iti,j;o(=0;I;i+）Minin=axii=_in0i；fr(j=；ata;+)Mii=ainiiji?Mxini:d_i;MinnMinin_ij？Miini:d_ini；r(i=0;iOu；i+)Mt=aoi
8、=d_oti；for（=0;jd_outj?Mati:d_outji;MnoutiMinoutid_otji?Mii:d_otji;or(i0;iIn；i+)fo(j=;jaa;j+）d_ini（d_injiMinini1)(axni-Minin+1);for(i=;Out;i+)for(j=;j;j+）doutji(d_tjMinouti+)/(auti-Mnouti+1）;r(0;iNeuron;+i）for(j=0;+j)wijrnd（)*.0/RAND_AX-;dwj=0；for(i=;Neron;+i）for(=;Out；+)jirand()*2.0/RAND_AX-1;dvji=；
9、vcomputO（inar)it,j;oubleum,y;r（i=0;Neun;+i)su=0;fo(0;I;+j)s+=wj*divr；oi=1/(1+exp(-1su）;or(;iOt;+i）su=;for(j=0；jNeurn；+j)su=vjj;OutputData=sm；vobcUpdate(ntvr)iti,j;duble;for(i0;iNeurn;+i）(t0；for(j=0；jOu;+j）（t+=(OutDataj-d_otvr）*ji;dvji=A*dvjiB(OtputDatj-d_ouva)*oi;ji-dvj;for(0；jI;+j）(dwij=a*di+b*oi*(
10、1-oi)d_invarj;wij-=dwj;dobleresult(dol1,dblevr2)(int,；douesm，;a=（var-Min0+)(Maxin-Minin0+1);var2(ar2Mnin1）/(MaxinMin1+1);r(i=0;uron;+i)(su=0;sum=wi*var1+w1*ar2;oi=1(+xp(-*um)）;u0；fr（j=;euron；+)u+=v0j*j;reuns*（Maxu0-Minut01）+Minu1;voidwritNeurn(）(FLEp1;in,;f(f1=fpen（D：urn.txt”，w)=NUL)（rtf(anotopetene
11、urofilen);xit(0);fr(=；iNeurn；+i)for(j=0;jn;+j）（fpritf（fp1,%lf”,j)；fprinf（fp,n)；fo(i=0;No；+)fo(j=0；jOut;+)(fprint(f1,%lf,ji);close(fp1);vidtrainetwrk()it，c=0,j;de=0;fo(i0;Da；)ompO（i)；fo(j=;jOut;+j）efbs(OuputDaajutj)/d_outj);bakUpate();printf(%d%fn,e/Daa);c+;whie(0.01）；ntmain(itargc，chrconst*rgv）wrteTst()；reata（）;iitPNwk(）;traiNetwo()；pri(%l”，resut(6，);it（%lfn”，resut(.1,7);printf(%lfn”，rsul（4.3,8）；witNeuron（);retur0;mC:Wnosste325 0,0115226 0
