BP神经网络实验报告材料

《BP神经网络实验报告材料》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、标准文案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2016-04-30班级计科1305姓名游思睿学号1030413529实验报告要求1．实验名称2．实验要求3．实验环境4．实验步骤5．实验体会一、实验目的：两个输入a、b（10以内的数），一个输出c，c=a+b。换句话说就是教BP神经网络加法运算。二、实验内容： Data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。In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，TrainC来表示训练的次数。再来我们看对神经网络描述的数

2、据定义，来看下面这张图里面的数据类型都是double型。 d_in[Data][In]存储Data个样本，每个样本的In个输入。d_out[Data][Out]存储Data个样本，每个样本的Out个输出。我们用邻接表法来表示图1中的网络，w[Neuron][In] 表示某个输入对某个神经元的权重，v[Out][Neuron]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dw[Neuron][In]和大全标准文案dv[Out][Neuron]。数组o[Neuron]记录的是神经元通过激活函数对外的输出，OutputData[Out] 存储BP神经网络

3、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0~1之间。在BP神经网络理论里面，并没有对这个进行要求，不过实际实践过程中，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0~1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（0不能为分母）。    y=(x-MinValue+A)/(MaxValue-MinValue+A)   另一方面，就是对神经元的权重进行初始化了，数据归一

4、到了（0~1）之间，那么权重初始化为（-1~1）之间的数据，另外对修正量赋值为0函数backUpdate(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w[Neuron][In]和v[Out][Neuron]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w[Neuron][In]和v[Out][Neuron]两个数据进行修正误差，误差量用数据结构dw[Neuron][In]

5、 和 dv[Out][Neuron] 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：大全标准文案一、实验环境VS2010二、实验步骤（对照截图具体说明，尽量详细）#include#include#include#include大全标准文案#defineData820#defineIn2#defineOut1#defineNeuron45#defineTrainC20000#defineA0.2#d

6、efineB0.4#definea0.2#defineb0.3doubled_in[Data][In],d_out[Data][Out];doublew[Neuron][In],o[Neuron],v[Out][Neuron];doubleMaxin[In],Minin[In],Maxout[Out],Minout[Out];doubleOutputData[Out];doubledv[Out][Neuron],dw[Neuron][In];doublee;voidwriteTest(){FILE*fp1,*fp2;doubler1,r2;大全标准文案inti;sran

7、d((unsigned)time(NULL));if((fp1=fopen("D:\in.txt","w"))==NULL){printf("cannotopentheinfile");exit(0);}if((fp2=fopen("D:\out.txt","w"))==NULL){printf("cannotopentheoutfile");exit(0);}for(i=0;i