【BP神经网络】代码存放

来源：互联网发布：开淘宝卖衣服编辑：程序博客网时间：2024/05/17 04:15
本程序用于训练集，将训练集割成两部分，一部分训练，一部分测试。
由于训练集格式是先放答案再放数据（就是28*28图片展开的784维向量），因此先读入答案，再读入数据。
注意：运行程序前，请删除数据的第一行（label,pixel0,pixel1……）不然会RE。
#include<bits/stdc++.h>using namespace std;const int A=784,B=28,C=10;const double L=0.2;class BP{    private:        const int IN,HN,ON;        double lambda;        bool isFirstTime;        struct neuron{            double I,O,theta;        };        vector<neuron> InputNeurons;        vector<neuron>HiddenNeurons;        vector<neuron>OutputNeurons;        double WeightIH[A+1][B+1],WeightHO[B+1][C+1];//两个邻接矩阵用于表示边权        double e[C+1];//e[i]=T[i]-OutputNeurons[i].O         double rand(const double &x,const double &y);//产生[x,y]的随机实数         double f(const double &x);//Sigmoid函数         void   setWeightRandomly();//随机赋边权         void   FeedForward();//前向传输         //逆向反馈，T是实际的答案，用于监督         void   BackPropagation(const vector<double> &T);    public:        BP(int a=0,int b=0,int c=0,double d=0.5):        IN(a),HN(b),ON(c),lambda(d),isFirstTime(true){            InputNeurons.resize(IN+1);//方便下标从1开始             HiddenNeurons.resize(HN+1);            OutputNeurons.resize(ON+1);            for(int i=1;i<=IN;++i)                InputNeurons[i]=(neuron){0,0,0};            for(int i=1;i<=HN;++i)                HiddenNeurons[i]=(neuron){0,0,0};            for(int i=1;i<=ON;++i)                OutputNeurons[i]=(neuron){0,0,0};            srand(time(0));//你懂得         }        //用一组数据训练这个模型         void train(const vector<double> &data,const vector<double> &ans);        //用一组数据检测这个模型         vector<double> test(const vector<double> &data);        //设定lambda的值         void setLambda(const double &x);};inline double BP::rand(const double &x,const double &y){    return (double)std::rand()*1.0/RAND_MAX*(y-x)+x;}inline double BP::f(const double &x){    return 1.0/(1+exp(-x));}inline void BP::setWeightRandomly(){//给每条边赋一个(-1,1)的随机的值     int i,j;    for(i=1;i<=IN;++i)        for(j=1;j<=HN;++j)            WeightIH[i][j]=rand(-1,1);    for(i=1;i<=HN;++i)        for(j=1;j<=ON;++j)            WeightHO[i][j]=rand(-1,1);    for(i=1;i<=HN;++i)HiddenNeurons[i].theta=rand(0,1);    for(i=1;i<=ON;++i)OutputNeurons[i].theta=rand(0,1);}inline void BP::FeedForward(){//前向传输     int i,j;    for(j=1;j<=HN;++j){        neuron &p=HiddenNeurons[j];        for(i=1,p.I=0;i<=IN;++i)            p.I+=WeightIH[i][j]*InputNeurons[i].O;        p.O=f(p.I+=p.theta);    }    for(j=1;j<=ON;++j){        neuron &p=OutputNeurons[j];        for(i=1,p.I=0;i<=HN;++i)            p.I+=WeightHO[i][j]*HiddenNeurons[i].O;        p.O=f(p.I+=p.theta);    }}inline void BP::BackPropagation(const vector<double> &T){    int i,j,k;    for(i=1;i<=ON;++i)e[i]=T[i]-OutputNeurons[i].O;    for(k=1;k<=ON;++k)for(j=1;j<=HN;++j){        WeightHO[j][k]+=lambda*e[k]*HiddenNeurons[j].O;    }    for(k=1;k<=ON;++k) OutputNeurons[k].theta+=lambda*e[k];    for(j=1;j<=HN;++j){        double sum;        for(k=1,sum=0;k<=ON;++k)sum+=e[k]*WeightHO[j][k];        for(i=1;i<=IN;++i){            WeightIH[i][j]+=            lambda*HiddenNeurons[j].O*(1-HiddenNeurons[j].O)*InputNeurons[i].O*sum;        }        HiddenNeurons[j].theta+=lambda*HiddenNeurons[j].O*(1-HiddenNeurons[j].O)*sum;    }}inline void BP::train(const vector<double> &data,const vector<double> &ans){    int i;    for(i=1;i<=IN;++i)InputNeurons[i].O=data[i];    if(isFirstTime) setWeightRandomly(),isFirstTime=false;    FeedForward();    BackPropagation(ans);}inline vector<double> BP::test(const vector<double> &data){    int i;    for(i=1;i<=IN;++i)InputNeurons[i].O=data[i];//    FeedForward();    vector<double> ans;    ans.push_back(0);    for(i=1;i<=ON;++i) ans.push_back(OutputNeurons[i].O);    return ans;}inline void BP::setLambda(const double &x){lambda=x;}inline int read(){    int x=0,ch=getchar();    while(!isdigit(ch)) ch=getchar();    while(isdigit(ch))x=x*10+ch-48,ch=getchar();    return x;}vector<double> create1(int pos){    vector<double> v(11,0);v[pos]=1;    return v;}int maxpos(const vector<double> &a){    double tmp=-1e9;    int i,pos;    for(i=1;i<a.size();++i)        if(a[i]>tmp) tmp=a[i],pos=i;    return pos;}BP solver(A,B,C,L);int main(){//归一化非常重要！！不归BUG砸死你     int n,i,j,right;    vector<double> input,ans;    scanf("%d",&n);    for(i=1;i<=n;++i){        input.clear();input.push_back(0);        ans  .clear();ans  .push_back(0);        {int x;scanf("%d",&x);ans=create1(x);}        for(j=1;j<=A;++j){            double x;            scanf(",%lf",&x);            input.push_back(x/255.0);        }        solver.train(input,ans);    }    puts("学习完成！");    scanf("%d",&n);    for(i=1,right=0;i<=n;++i){        input.clear();input.push_back(0);        ans  .clear();ans  .push_back(0);        int standardAns,calcAns;        scanf("%d",&standardAns);        for(j=1;j<=A;++j){double x;scanf(",%lf",&x);input.push_back(x);}        ans=solver.test(input);        calcAns=maxpos(ans);        if(calcAns==standardAns) right++;        printf("%d\n",calcAns);    }    fclose(stdin);fclose(stdout);    return 0; }
0 0