初探神經網絡:QT下建立BP網絡模型

環境：

主機:WIN7

開發環境:Qt

實現功能：

建立了細胞類以及BP網絡類.BP神經網絡為3層結構:輸入層,隱藏層,輸出層.

說明：

1.細胞模型

2.BP網絡模型

3.輸入層細胞阈值為0,輸出層細胞權值為1.

4.隱藏層傳遞函數為f(x) = 1 / (1 + e(-x))

5.需要載入的權文件名為w.txt,放在運行目錄下,格式為每個數字一行.輸入順序為輸入層細胞所有權,隱藏層細胞所有權.

6.需要載入的權阈值文件名為threshold.txt,放在運行目錄下,格式為每個數字一行.輸入順序為隱藏層細胞所有阈值,輸出層細胞所有阈值.

7.供BP網絡學習的文件名為study.txt,放在運行目錄下,格式為每個數字一行.輸入順序為第1次所有輸入層細胞的輸入,第1次所有輸出層細胞的輸出,第2次...

8.權值和阈值可以用提供的隨機函數生成,范圍是-1至1

源代碼:

public.h:細胞及BP網絡類頭文件

1. #ifndef PUBLIC_H
2. #define PUBLIC_H
4. //頭文件
5. #include <QWidget>
6. #include "qdebug.h"
7. #include "QFile"
9. #include "math.h"
10. #include <time.h>
12. //宏定義
14. //全局變量
16. //數據結構
17. //細胞
18. class _Cell
19. {
20. private:
21. //輸入數
22. int num_in;
23. //輸出數
24. int num_out;
25. //輸入
26. double *pt_in;
27. //輸出
28. double *pt_out;
29. //輸出,不加權
30. double out_no_w;
31. //權
32. double *pt_w;
33. //阈值
34. double threshold;
35. //傳遞函數類型
36. int type_fun;
37. //傳遞函數
38. double fun(double x);
39. public:
40. //初始化
41. //num1:輸入數
42. //num2:輸出數
43. _Cell(int num1 = 0,int num2 = 0);
44. //設置輸入數
45. void set_in_num(int num);
46. //設置輸出數
47. void set_out_num(int num);
48. //返回輸入數
49. int return_in_num();
50. //返回輸出數
51. int return_out_num();
52. //返回權值
53. //num:指向的目標細胞
54. double return_w(int num);
55. //返回當前阈值
56. double return_threshold();
57. //返回輸入
58. //num為第num個輸入
59. double return_in(int num);
60. //設置輸入
61. void set_in(double a,int num);
62. //設置阈值
63. void set_threshold(double a);
64. //設置權
65. void set_w(double a,int num);
66. //設置傳遞函數類型
67. void set_fun(int num);
68. //計算輸出
69. void calc();
70. //返回輸出
71. double output(int num);
72. //返回輸出不加權
73. double output_no_w();
74. };
76. //BP網絡
77. class _BP_Net
78. {
79. private:
80. //輸入層細胞數
81. int num_in_layer;
82. //隱藏層細胞數
83. int num_hide_layer;
84. //輸出層細胞數
85. int num_out_layer;
86. //輸入層細胞指針
87. _Cell *pt_in_layer_cell;
88. //隱藏層細胞指針
89. _Cell *pt_hide_layer_cell;
90. //輸出層細胞指針
91. _Cell *pt_out_layer_cell;
92. //學習速率
93. double g;
94. public:
95. //初始化
96. _BP_Net(int num_in = 0,int num_hide = 0,int num_out = 0);
97. //設置輸入層細胞數
98. void set_num_in_layer(int num);
99. //設置隱藏層細胞數
100. void set_num_hide_layer(int num);
101. //設置輸出層細胞數
102. void set_num_out_layer(int num);
103. //返回輸入層細胞數
104. int return_num_in_layer();
105. //返回隱藏層細胞數
106. int return_num_hide_layer();
107. //返回輸出層細胞數
108. int return_num_out_layer();
109. //返回權值
110. //i:層號,0輸入層,1隱藏層,2輸出層
111. //j:本層細胞號
112. //k:下一層細胞號
113. //失敗返回-1
114. double return_w(int i,int j,int k);
115. //返回阈值
116. //i:層號,0輸入層,1隱藏層,2輸出層
117. //j:本層細胞號
118. //失敗返回-1
119. double return_threshold(int i,int j);
120. //產生隨機的權值,-1-1之間
121. void set_rand_w();
122. //產生隨機的阈值,-1-1之間
123. void set_rand_threshold();
124. //設置輸入層權值
125. //a:權值,i:細胞號,j:細胞對應輸出
126. void set_in_layer_w(double a,int i,int j);
127. //設置隱藏層權值
128. //a:權值,i:細胞號,j:細胞對應輸出
129. void set_hide_layer_w(double a,int i,int j);
130. //設置隱藏層阈值
131. //a:阈值,num:細胞號
132. void set_hide_layer_threshold(double a,int num);
133. //設置輸出層阈值
134. //a:阈值,num:細胞號
135. void set_out_layer_threshold(double a,int num);
136. //設置學習速率
137. void set_g(double a);
138. //學習
139. //right為正確的值數組
140. void study(double *right);
141. //計算輸出
142. void calc();
143. //返回輸出
144. double output(int num);
145. //設置輸入層細胞輸入
146. void set_in(double a,int num);
147. };
149. //全局函數
150. //初始化
151. //歸一化函數
152. //dst:目標數據
153. //min:最小值
154. //max:最大值
155. double mapminmax(double dst,double min,double max);
156. //反歸一化
157. //dst:目標數據
158. //min:最小值
159. //max:最大值
160. double premapminmax(double dst,double min,double max);
161. //加載權值
162. //dir:目錄,bp_net:神經網絡
163. //成功返回1,失敗返回-1
164. int load_w(QString dir,_BP_Net *bp_net);
165. //加載阈值
166. //dir:目錄,bp_net:神經網絡
167. //成功返回1,失敗返回-1
168. int load_threshold(QString dir,_BP_Net *bp_net);
169. //寫入權值
170. //dir:目錄,bp_net:神經網絡
171. //成功返回1,失敗返回-1
172. int write_w(QString dir,_BP_Net *bp_net);
173. //寫入阈值
174. //dir:目錄,bp_net:神經網絡
175. //成功返回1,失敗返回-1
176. int write_threshold(QString dir,_BP_Net *bp_net);
177. //讀取正確的值,並且學習
178. //dir:目錄,bp_net:神經網絡
179. //成功返回1,失敗返回-1
180. int study(QString dir,_BP_Net *bp_net);
182. #endif // PUBLIC_H