最简单的神经网络算法

最简单的人工神经网络实现
人工神经网络算法是模拟人的神经网络的一种算法.
该算法像人一样，具有一定的学习能力。

人工神经网络可以学会它所能表达的任何东西.
该算法在模拟人类抽象思维方面较传统的算法具有优势，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 ... 9 这10个数的奇偶性
1. 如果是传统算法，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
}
2. 如果是ANN算法，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)，不懂则继续训练.
while (1) {
训练;
if (测试通过) {
跳出循环;
}
}
训练完之后，这个ANN以后便能够正确处理奇偶性判断的问题了.
处理上面这个问题，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]view plaincopyprint?
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 <stdlib.h>
7. #include <stdio.h>
8. #include <time.h>
9.
10.
11. int M[10]; /** 权值 **/
12. int X[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; /** 输入向量 **/
13. int 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 **/
14. int O[10]; /** 保存输出向量 **/
15. int ST = 52; /** 阈值 **/
16.
17.
18.
19. /** 初始化权值 **/
20. void 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 **/
31. int 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 **/
42. void 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 **/
53. int 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 err;
69. }
70.
71.
72. /** 打印权向量 **/
73. void printM ()
74. {
75. int x = 0;
76. for (x = 0; x < 10; ++x) {
77. printf ("M[%i] = %i/n", x, M[x]);
78. }
79. }
80.
81.
82. void test (int input)
83. {
84. printf ("[%i] [%i] ", M[input], X[input]);
85. if (active (M[input], X[input]))
86. {
87. printf ("%d 是偶数/n", input);
88. } else {
89. printf ("%d 是奇数/n", input);
90. }
91. }
92.
93. int main ()
94. {
95. int n = 0;
96. initM ();
97.
98. /** 一直训练直到能够100%正确为止 **/
99. while (1) {
100. n ++;
101. calcY ();
102. int err = adjustM ();
103. if (0 >= err) {
104. /** 能够 100 %正确地回答问题了，结束训练 **/ 105. break;
106. }
107. printf ("错误数 %d/n", err);
108. }
109.
110. printM ();
111. printf ("阈值 %d 训练次数 %d/n", ST, n);
112.
113.
114. while (1) {
115. int a = 0;
116. scanf ("%i", &a);
117. if (0 > a || 9 < a) {
118. break;
119. }
120.
121. test (a);
122. }
123. return 0;
124. }
1. M[0] = 53
2. M[1] = 26
3. M[2] = 40
4. M[3] = 11
5. M[4] = 59
6. M[5] = 4
7. M[6] = 21
8. M[7] = -1
9. M[8] = 68
10. M[9] = 4
11. 阈值 52 训练次数 25。