最简单的神经网络算法.doc

,具有一定的学习能力。 ,如图像识别(人脸识别,车牌识别),声音识别方面已经有成熟的运用。举个简单的例子可以说明人工神经网络和传统算法的差别所在(等会也要实现):假设要解决这个问题:写一个程序,判断0,1,2,3...,则是模拟人的逻辑思维,对这个问题进行形式化和逻辑化:if(input模 2 ==零){input是偶数}else{input是奇数},则要提供一组正确的数据对处理这个问题的神经网络ANN进行训练:未进行训练的神经网络,就像刚出生的婴儿一样,什么都不懂。这个时候,你要教他0是偶数, 1是奇数....,教完之后问ANN懂了没有,懂了则停止训练(网络已经形成),(1){训练;if(测试通过) {跳出循环;} }训练完之后,,只需要模拟一个神经元即可,再复杂的问题,可能需要多个神经元,再再复杂,需要多层多神经元的配合来实现(以后再研究)下面是实现:[cpp]viewplaincopyprint?1./***************************************** 2. * 感知器判断数字奇偶性 3. * 4. * 关键点,阈值应该怎么定? 5. ****************************************/  6.#include <>  7.#include <>  8.#include <>  9.  10.   M[10];  /** 权值 **/   X[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; /** 输入向量 **/   Y[10] = {1, 0, 1, 0, 1, 0, 1, 0, 1, 0};  /** 理想输出向量, 0 表示奇数, 1表示偶数 **/   O[10];  /** 保存输出向量 **/   ST = 52; /** 阈值 **/  16.  17.  18.  19./** 初始化权值 **/   initM ()  21.{  22.    int x = 0;  23.    srand ((unsigned int)time(0));  24.    for (x = 0; x < 10; ++x) {  25.        /** 随机数在 0 - 99 之间 **/  26.        M[x] = rand () % 100;  27.    }  28.}  29.  30./** 跃迁型激活函数 **/   active (int m, int x)  32.{  33.    int o = m * x;  34.    if (o > ST) {  35.        return 1;  36.    } else {  37.        return 0;  38.    }      39.}  40.  41./** 计算输出向量 **/   calcY ()  43.{  44.    int x = 0;  45.    for (x = 0; x < 10; ++x) {  46.        O[x] = active (M[x], X[x]);  47.    }  48.}  49.  50.  51./** 根据实际输出向量和理想输出向量调整权向量,  52.    返回 实际输出和理想输出不匹配的数目 **/   adjustM ()  54.{  55.    int err = 0;  56.    int x = 0;  57.    for (x = 0; x < 10; ++x) {  58.        if (O[x] != Y[x])  59.        {  60.            err ++;  61.            if (0 == O[x]) {  62.                M[x] += X[x];  63.            } else {  64.                M[x] -= X[x];  65.            }  66.        }  67.    }  68.    return