bp_C.rar_BP_BP 神经网络_SOFM_神经网络 C语言

BP神经网络的编程,C语言编写 要看你要几层的网络，输入和输出是多少个？要几层隐层，多少个神经元，还有你要选什么传输函数。这些确定了，才能建立和训练网络。 #include<stdio.h> #include<conio.h> #define RUN 1 ///////////////////////////////// void swap(int *a, int *b) { int temp; temp = *a; *a = *b; *b = temp; } ///////////////////////////////// void change(int *p) { int i; int j; int *pmax = p, *pmin = p; for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmax < *(p + 5*i + j)) { pmax = (p + 5*i + j); } if (*pmin > *(p + 5*i + j)) { pmin = (p + 5*i + j); } } } swap(pmin, p); swap(pmax, (p + 12)); #if RUN printf("%d %d\n", *p, *(p + 12)); #endif pmin = (p + 1); for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmin > *(p + 5*i + j) && (i != 0 || j != 0)) { pmin = (p + 5*i + j); } } } swap(pmin, (p + 4)); #if RUN printf("%d\n", *(p + 4)); #endif pmin = (p + 1); for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmin > *(p + 5*i + j) && (i != 0 || j != 0) && (i != 0 || j != 4)) { pmin = (p + 5*i +j); } } } swap(pmin, (p + 5*4)); #if RUN printf("%d\n", *(p + 20)); #endif pmin = (p + 1); for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmin > *(p + 5*i + j) && (i != 0 || j != 0) && (i != 4 || j != 0) && (i != 0 || j != 4)) { pmin = (p + 5*i + j); } } } swap(pmin, (p + 4*5 + 4)); #if RUN printf("%d\n", *(p + 24)); #endif } ///////////////////////////////// main() { int a[5][5]; int *p1 = &a[0][0]; int i, j; printf("input the numbers:\n"); for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { scanf("%d", &a[i][j]); } } change(p1); printf("the new is:\n"); for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { printf("%d ", *(p1 + 5*i + j)); } printf("\n"); } getch(); } ///////////////////////////////// #include <stdio.h> #include <string.h> int ac(int ab[],int k,int len); ///////////////////////////////// main() { int a[6]={2,52,12,21,52,65}; int len,k=2,i; len=strlen(a); ac(a[],k,len); for(i=0;i<len;i++) printf("%d\t",a[i]); } int ac(int a[],int k,int len) { int i,j,t,temp,count; count=0; k=k%len; if(k) { i=0; while(count<len){ j=i;t=i; temp=a[i]; while((j=(j-k+len)%len)!=i) { a[t]=a[j]; t=j; count++; } a[t]=temp; count++; i++; } } } p=[0.4 0.4 0.45 0.45 0.5 0.5 0.55 0.55 0.6 0.6 0.65 0.65; 0.45 0.40 0.40 0.35 0.35 0.325 0.325 0.3 0.3 0.275 0.275 0.25; 0.068 0.076 0.105 0.119 0.151 0.162 0.196 0.212 0.249 0.321 0.311 0.34; 0.096 0.108 0.148 0.168 0.213 0.229 0.277 0.299 0.352 0.383 0.349 0.481; 0.118 0.132 0.181 0.206 0.261 0.28 0.34 0.367 0.431 0.468 0.538 0.589; 0.135 0.153 0.209 0.237 0.302 0.324 0.392 0.423 0.498 0.541 0.621 0.68; 0.153 0.171 0.234 0.266 0.337 0.362 0.439 0.474 0.557 0.605 0.695 0.761; 0.167 0.196 0.256 0.291 0.369 0.396 0.481 0.518 0.609 0.612 0.761 0.833]; p0=[0.4 0.4 0.45 0.45 0.5 0.5 0.55 0.55 0.6 0.6; 0.45 0.40 0.40 0.35 0.35 0.325 0.325 0.3 0.3 0.275; 0.068 0.076 0.105 0.119 0.151 0.162 0.196 0.212 0.249 0.321; 0.096 0.108 0.148 0.168 0.213 0.229 0.277 0.299 0.352 0.383; 0.118 0.132 0.181 0.206 0.261 0.28 0.34 0.367 0.431 0.468; 0.135 0.153 0.209 0.237 0.302 0.324 0.392 0.423 0.498 0.541; 0.153 0.171 0.234 0.266 0.337 0.362 0.439 0.474 0.557 0.605; 0.167 0.196 0.256 0.291 0.369 0.396 0.481 0.518 0.609 0.612]; net=newff(minmax(p0),[4 1],{'tansig' 'purelin'},'trainlm'); net.trainParam.show=1; net.trainParam.epochs=30; net.trainParam.goal=1e-5; net.trainParam.max_fail=5; net=init(net); tic [net,tr]=train(net,p0,t0); time=toc a=sim(net,p0) p1=[0.28 0.40]; a1=sim(net,p1) figure(1) plot(p,t,'-g',p0,a,'r*',p1,a1,'b.') title('神经网络逼近结果') xlabel('输入矢量') ylabel('目标矢量') h=legend('目标矢量','学习结果','预测结果',3);