BP神经网络算法（2）

 

//BpNet.h: interface for the Bp class.
// 2006.8.8 by 曾志军 版权所有  
//E-Mail:[e-mail]
/**///////////////////////////////////////////////////////////////////////
#include "stdafx.h"
#include "BpNet.h"
#include "math.h"

#ifdef _DEBUG
#undef THIS_FILE
static char THIS_FILE[]=__FILE__;
#define new DEBUG_NEW
#endif

/**///////////////////////////////////////////////////////////////////////
// Construction/Destruction
/**///////////////////////////////////////////////////////////////////////

BpNet::BpNet()
{       
    error=1.0;
    e=0.0;
    
    rate_w=0.05;  //权值学习率（输入层--隐含层)
    rate_w1=0.047; //权值学习率 (隐含层--输出层)
    rate_b1=0.05; //隐含层阀值学习率
    rate_b2=0.047; //输出层阀值学习率
    error=1.0;
    e=0.0;
    
    rate_w=0.05;  //权值学习率（输入层--隐含层)
    rate_w1=0.047; //权值学习率 (隐含层--输出层)
    rate_b1=0.05; //隐含层阀值学习率
    rate_b2=0.047; //输出层阀值学习率
}

BpNet::~BpNet()
{
    
}

void winit(double w[],int sl)//权值初始化
{int i;
double randx();
for(i=0;i<sl;i++){
    *(w+i)=0.2*randx();
}
}

double randx()//kqy error
{double d;
d=(double) rand()/32767.0;
return d;
}

void BpNet::init()
{
    winit((double*)w,innode*hidenode);
    winit((double*)w1,hidenode*outnode);
    winit(b1,hidenode);
    winit(b2,outnode);
}


void BpNet::train(double p[trainsample][innode],double t[trainsample][outnode])
{
    double pp[hidenode];//隐含结点的校正误差
    double qq[outnode];//希望输出值与实际输出值的偏差
    double yd[outnode];//希望输出值
    
    double x[innode]; //输入向量
    double x1[hidenode];//隐含结点状态值
    double x2[outnode];//输出结点状态值
    double o1[hidenode];//隐含层激活值
    double o2[hidenode];//输出层激活值
    for(int isamp=0;isamp<trainsample;isamp++)//循环训练一次样品
    { 
        for(int i=0;i<innode;i++)
            x[i]=p[isamp][i];
        for(i=0;i<outnode;i++)
            yd[i]=t[isamp][i];
        
        //构造每个样品的输入和输出标准
        for(int j=0;j<hidenode;j++)
        {
            o1[j]=0.0;
            
            for(i=0;i<innode;i++)
                o1[j]=o1[j]+w[i][j]*x[i];//隐含层各单元输入激活值
            x1[j]=1.0/(1+exp(-o1[j]-b1[j]));//隐含层各单元的输出kqy1
            //    if(o1[j]+b1[j]>0) x1[j]=1;
            //else x1[j]=0;
        }
        
        for(int k=0;k<outnode;k++)
        {
            o2[k]=0.0;
            
            for(j=0;j<hidenode;j++)
                o2[k]=o2[k]+w1[j][k]*x1[j];//输出层各单元输入激活值
            x2[k]=1.0/(1.0+exp(-o2[k]-b2[k]));//输出层各单元输出
            //    if(o2[k]+b2[k]>0) x2[k]=1;
            //    else x2[k]=0;
        }
        
        for(k=0;k<outnode;k++)
        {
            e=0.0;
            qq[k]=(yd[k]-x2[k])*x2[k]*(1.-x2[k]);//希望输出与实际输出的偏差
            e+=fabs(yd[k]-x2[k])*fabs(yd[k]-x2[k]);//计算均方差
            
            for(j=0;j<hidenode;j++)
                w1[j][k]=w1[j][k]+rate_w1*qq[k]*x1[j];//下一次的隐含层和输出层之间的新连接权
            e=sqrt(e);
            error=e;
        
        }
        
        for(j=0;j<hidenode;j++)
        {
            pp[j]=0.0;
            for(k=0;k<outnode;k++)
                pp[j]=pp[j]+qq[k]*w1[j][k];
            pp[j]=pp[j]*x1[j]*(1-x1[j]);//隐含层的校正误差
            
            for(i=0;i<innode;i++)
                w[i][j]=w[i][j]+rate_w*pp[j]*x[i];//下一次的输入层和隐含层之间的新连接权
        }
        
        for(k=0;k<outnode;k++)
            b2[k]=b2[k]+rate_b2*qq[k];//下一次的隐含层和输出层之间的新阈值
        for(j=0;j<hidenode;j++)
            b1[j]=b1[j]+rate_b1*pp[j];//下一次的输入层和隐含层之间的新阈值
        
    }//end isamp样品循环
    
}
/**////////////////////////////end train/////////////////////////////

/////////////////////////////////////////////////////////////////

double *BpNet::recognize(double *p)
{   
    double x[innode]; //输入向量
    double x1[hidenode];//隐含结点状态值
    double x2[outnode];//输出结点状态值
    double o1[hidenode];//隐含层激活值
    double o2[hidenode];//输出层激活值

    for(int i=0;i<innode;i++)
        x[i]=p[i];
    for(int j=0;j<hidenode;j++)
    {
        o1[j]=0.0;
        
        for(int i=0;i<innode;i++)
            o1[j]=o1[j]+w[i][j]*x[i];//隐含层各单元激活值
        x1[j]=1.0/(1.0+exp(-o1[j]-b1[j]));//隐含层各单元输出
        //if(o1[j]+b1[j]>0) x1[j]=1;
        //    else x1[j]=0;
    }
    
    for(int k=0;k<outnode;k++)
    {
        o2[k]=0.0;
        for(int j=0;j<hidenode;j++)
            o2[k]=o2[k]+w1[j][k]*x1[j];//输出层各单元激活值
        x2[k]=1.0/(1.0+exp(-o2[k]-b2[k]));//输出层各单元输出
        //if(o2[k]+b2[k]>0) x2[k]=1;
        //else x2[k]=0;
    } 
    
    for(k=0;k<outnode;k++)
    {
        shuchu[k]=x2[k];
    } 
    return shuchu;
}/**/////////////////////////////end sim///////////////////////////

void BpNet::writetrain()
{//曾志军 for 2006.7
    AfxMessageBox("你还没有训练呢，训练后再写吧!请不要乱写,除非你认为这次训练是最好的，否则会覆盖我训练好的权值，那样你又要花时间训练!");
    AfxMessageBox("你认为这次训练结果是最好的，就存下来，下次就不要花时间训练了!",MB_YESNO,NULL);
    FILE *stream0;
    FILE *stream1;
    FILE *stream2;
    FILE *stream3;
    int i,j;
    /**/////////////////////////
    if(( stream0 = fopen("w.txt", "w+" ))==NULL)
    {
        AfxMessageBox("创建文件失败!");
    }
    for(i=0;i<innode;i++)
    {
        for(j=0;j<hidenode;j++)
        {
            
            fprintf(stream0, "%f\n", w[i][j]);
        }
        
    }
    fclose( stream0);
    /**////////////////////////////////////
    if(( stream1 = fopen("w1.txt", "w+" ))==NULL)
    {
        AfxMessageBox("创建文件失败！");
    }
    for(i=0;i<hidenode;i++)
    {
        for(j=0;j<outnode;j++)
        {
            fprintf(stream1, "%f\n",w1[i][j]);
        }
        
    }
    fclose( stream1);
    /**/////////////////////////////
    if(( stream2 = fopen("b1.txt", "w+" ))==NULL)
    {
        AfxMessageBox("创建文件失败！");
    }
        for(i=0;i<hidenode;i++)
    {
        fprintf(stream2, "%f\n",b1[i]);
        
        
    }
    fclose( stream2);
    /**//////////////////////////
    if(( stream3 = fopen("b2.txt", "w+" ))==NULL)
    {
        AfxMessageBox("创建文件失败！");
    }
    for(i=0;i<outnode;i++)
    {
        fprintf(stream3, "%f\n",b2[i]);
        
        
    }
    fclose( stream3);
    
    
}


void BpNet::readtrain()
{
    //曾志军 for 2006.7
    AfxMessageBox("读入已训练好的权值，这样你就不要花时间训练了!",MB_YESNO,NULL);
    FILE *stream0;
    FILE *stream1;
    FILE *stream2;
    FILE *stream3;
    int i,j;
    /**//////////////////
    if(( stream0 = fopen("w.txt", "r" ))==NULL)
    {
        AfxMessageBox("文件不存在，请先写入权值，再读！");
    }
    
    float  wx[innode][hidenode];
    for(i=0;i<innode;i++)
        for(j=0;j<hidenode;j++)
        {
            fscanf(stream0, "%f", &wx[i][j]);
            w[i][j]=wx[i][j];
        }
    fclose( stream0);
    /**////////////////////////////////////////////////    
    if(( stream1 = fopen("w1.txt", "r" ))==NULL)
        {
            AfxMessageBox("文件不存在，请先写入权值，再读！");
        }
         float  wx1[hidenode][outnode]; 
        for(i=0;i<hidenode;i++)
        {
            for(j=0;j<outnode;j++)
            {
                fscanf(stream1, "%f", &wx1[i][j]);
                w1[i][j]=wx1[i][j];
            }
            
        }
        fclose( stream1);
        
        /**////////////////////
        if(( stream2 = fopen("b1.txt", "r" ))==NULL)
        {
            AfxMessageBox("文件不存在，请先写入权值，再读！");
        }
        float xb1[hidenode];    
        for(i=0;i<hidenode;i++)
        {
            fscanf(stream2, "%f",&xb1[i]);
            b1[i]=xb1[i];
        }
        fclose( stream2);
        /**///////////////////////////
        if(( stream3 = fopen("b2.txt", "r" ))==NULL)
        {
            AfxMessageBox("文件不存在，请先写入权值，再读！");
        }
        float xb2[outnode];  
        for(i=0;i<outnode;i++)
        {
            fscanf(stream3, "%f",&xb2[i]);
            b2[i]=xb2[i];
        }
        
        fclose( stream3);
        /**//*CFile TheFile("w.txt",CFile::modeRead);
        CArchive ar(&TheFile,CArchive::load,40960);
        TheFile.SeekToBegin();
        int i,j;
        for(i=0;i<innode;i++)
        {
        for(j=0;j<hidenode;j++)
        {   
        ar>>w[i][j];
        
          }
          
            }
            ar.Close();
        TheFile.Close();*/
        
}
//BpNet.h: interface for the Bp class.
// 2006.8.8 by 曾志军 版权所有  
//E-Mail:[e-mail]
/**///////////////////////////////////////////////////////////////////////

#if !defined(AFX_BPNET_H__3A171E41_1E8B_11D7_BA67_936006E9954B__INCLUDED_)
#define AFX_BPNET_H__3A171E41_1E8B_11D7_BA67_936006E9954B__INCLUDED_

#if _MSC_VER > 1000
#pragma once
#endif // _MSC_VER > 1000


#define  innode 5  //输入结点数
#define  hidenode 10//隐含结点数
#define  outnode 4 //输出结点数
#define  trainsample 500//BP训练样本为10个
class BpNet  
{
public:
    void train(double p[trainsample][innode ],double t[trainsample][outnode]);//Bp训练
    //double p[trainsample][innode]     //输入的样本
    //double t[trainsample][outnode]//样本要输出的
    //Bp训练前要调用readtemplate()
    double *recognize(double *p);//Bp识别
    
    void writetrain();//写训练完的权值
    void readtrain();//读训练好的权值，这使的不用每次去训练了，只要把训练最好的权值存下来writetrain()就OK！
    
    BpNet();
    virtual ~BpNet();


public:
    void init();
    double w[innode][hidenode];//隐含结点权值
    double w1[hidenode][outnode];//输出结点权值
    double b1[hidenode];//隐含结点阀值
    double b2[outnode];//输出结点阀值
    
    double rate_w; //权值学习率（输入层-隐含层)
    double rate_w1;//权值学习率 (隐含层-输出层)
    double rate_b1;//隐含层阀值学习率
    double rate_b2;//输出层阀值学习率

    
    double e;//误差计算
    double error;//允许的最大误差
    double shuchu[outnode];// Bp输出
    

};

#endif // !defined(AFX_BPNET_H__3A171E41_1E8B_11D7_BA67_936006E9954B__INCLUDED_)

全文参考：http://www.cnblogs.com/demon521/archive/2008/04/07/1140359.html