bp2.cpp

完成BP人工神经网络算法的学习

/*  代码功能：结合BP人工神经网络算法，预测1997年的世界干散货海运量；
    程序语言：标准C语言；
	作者简介：郑波，计算机学院软件工程052班；
*/




#define Learn 0.6       //学习率
#define err 0.0000001    //允许最大误差
typedef struct LNode    //定义结构存放实例
{
	float x1;
    float x2;
	float x3;
	float x4;
	float x5;
	float y;
	struct LNode *next;
}LNode, *LinkList;

#include<stdio.h>
#include<stdlib.h>
#include<math.h>

void readexample(LinkList *L);         //从文件读取实例
double MAXE(double E[7],int e);        //求误差最大值
void Print_L(LinkList *L);   
void initiarray(double w1[][16],double w2[]);   //随机初始权矩阵     
void printarray(double w1[][16],double w2[]);   //输出权矩阵
void learn(LinkList L, double w1[][16],double w2[]);     //学习
void test(double w1[][16],double w2[]);        //预测

void main()
{
	
	LinkList L= (LinkList)malloc(sizeof(LNode));
	double w1[6][16],w2[16];

	readexample(&L);           //读取实例
//	Print_L(&L);

   initiarray(w1,w2);         //随机初始权矩阵
 
//	printarray(w1,w2);

//	printf("---------------\n");
		

    learn(L, w1,w2);


	test(w1,w2);

}


// 学习
void learn(LinkList L, double w1[][16],double w2[])
{
	int i,j,e;
	long count=0;
	double o3,temp,MAX=1;
	double E[7],E2[16],E3,o1[6],o2[16],I2[16],I3;
	LinkList p;


	while(MAX>err)     //和允许误差比较
	{
		e=1;
		p=L->next;  

		while(p)       //遍历整条链
		{  

		    o1[1]=p->x1;
			o1[2]=p->x2;
			o1[3]=p->x3;
			o1[4]=p->x4;
			o1[5]=p->x5;

			for(i=1;i<=15;i++)
			{
                I2[i]=w1[1][i]*o1[1]+w1[2][i]*o1[2]+w1[3][i]*o1[3]+w1[4][i]*o1[4]+w1[5][i]*o1[5];     //第2层输入
				o2[i]=tanh(I2[i]);   //第2层输出 
			}

            I3=0;
			for(i=1;i<=15;i++)
				I3+=w2[i]*o2[i];    //第3层输入
			o3=tanh(I3);            //第3层输出 
	
			E3=(p->y-o3)*(pow(2/(exp(I3)+exp(-I3)),2));     //输出层误差 


			E[e++]=fabs(E3);		    

			temp=0;
			for(i=1;i<=15;i++)
				temp+=w2[i]*E3;
			for(i=1;i<=15;i++)			
				E2[i]=pow(2/(exp(I2[i])+exp(-I2[i])),2);     //第二层误差		
				 			

              
            for(i=1;i<=15;i++)  				
					w2[i]=w2[i]-Learn*E3*o2[i];    //修改W2矩阵

			for(i=1;i<=5;i++)
				for(j=1;j<=15;j++)
					w1[i][j]=w1[i][j]-Learn*E2[j]*o1[i];     //修改W1矩阵				

			p=p->next;

		}//while(p)


	    count++;

		MAX=MAXE(E,e);          //返回最大误差


	}//while(MAX>err) 

    printf("\n******************* BP算法预测预测世界干散货运量 **********************\n");
	printf("计算允许最大误差Err=%.8f\n",err);	
	printf("学习产生最大误差MAX=%.8f\n",MAX);
	printf("学习总次数count=%ld\n",count);	

}


//  预测
void test(double w1[][16],double w2[])
{
	int i;
	double o1[6],o2[16],I2[16],I3,o3,E3;



	o1[1]=0.1588;    //借用一组实例产生误差E3
	o1[2]=0.1622;
	o1[3]=0.1611;
	o1[4]=0.1615;
	o1[5]=0.1785;

	
	
	for(i=1;i<=15;i++)
	{
        I2[i]=w1[1][i]*o1[1]+w1[2][i]*o1[2]+w1[3][i]*o1[3]+w1[4][i]*o1[4]+w1[5][i]*o1[5];     //第2层输入
		o2[i]=tanh(I2[i]);   //第2层输出 
	}

     I3=0;
	for(i=1;i<=15;i++)
	    I3+=w2[i]*o2[i];    //第3层输入
	o3=tanh(I3);            //第3层输出 

	E3=(0.1790-o3)*(pow(2/(exp(I3)+exp(-I3)),2));

   	o1[1]=0.1611;          //预测1997年运量
	o1[2]=0.1615;
	o1[3]=0.1685;
	o1[4]=0.1689;
	o1[5]=0.1790;

	
	
	for(i=1;i<=15;i++)
	{
        I2[i]=w1[1][i]*o1[1]+w1[2][i]*o1[2]+w1[3][i]*o1[3]+w1[4][i]*o1[4]+w1[5][i]*o1[5];     //第2层输入
		o2[i]=tanh(I2[i]);   //第2层输出 
	}

    I3=0;
	for(i=1;i<=15;i++)
	    I3+=w2[i]*o2[i];    //第3层输入
	o3=tanh(I3);  //第3层输出
	
printf("根据已有数据可预测：1997年的运量预测值为%.6f百万吨\n\n",10000*(E3/(pow(2/(exp(I3)+exp(-I3)),2))+o3));


}



//读取实例
void readexample(LinkList *L)
{
		FILE *fp;
		LinkList p=*L,r;

		if((fp=fopen("c:\\bp2.txt","r"))==NULL)
		{
		     printf("Open file error!\n");
		     exit(0);
		}

		while(!feof(fp))
		{
			r=(LinkList)malloc(sizeof(LNode));
			r->next=NULL;
			p->next=r;
			fscanf(fp,"%f%f%f%f%f%f",&r->x1,&r->x2,&r->x3,&r->x4,&r->x5,&r->y);

			p=r;
		}

		fclose(fp);
}



//   初始权矩阵
void initiarray(double w1[][16],double w2[])
{
	int i,j;
	for(i=1;i<=5;i++)
		for(j=1;j<=15;j++)
			w1[i][j]=rand()%100*1.0/100;

	for(i=1;i<=15;i++)		
			w2[i]=rand()%100*1.0/100;

	
}



//求误差最大值
double MAXE(double E[7],int e)
{
	double max=0;
	int i;

	for(i=1;i<e;i++)
		if(max<E[i])
			max=E[i];

		return max;
}



//输出权矩阵			
void printarray(double w1[][16],double w2[])
{
    int i,j;

	for(i=1;i<=5;i++)
		for(j=1;j<=15;j++)
			printf("%f  ",w1[i][j]);
		printf("\n");

	for(i=1;i<=15;i++)
		printf("%f  ",w2[i]);		
	printf("\n");

	
}


//输出实例信息
void Print_L(LinkList *L)
{
	LinkList p=(*L)->next;

	if(!p)	
		printf("链表创建为空");	        //空链表

	while(p)
	{
		printf("%f  %f  %f  %f  %f  %f\n",p->x1,p->x2,p->x3,p->x4,p->x5,p->y);
		p=p->next;
	}
	printf("\n");
}


/*程序设计小结

  时间复杂度和空间复杂度和上题一样，分别为O(n),O(n).

感觉激励函数没有选取适当，使得运算收敛过快、权矩阵变化太快，误差变化太小，结果准确预测有些难度.

用最基本的BP 算法来训练BP 神经网络时，学习率、误差、权值设置都对网络的训练有影响.综合选取
合理的值，将有利于网络的训练。在最基本的BP 算法中，学习率在整个训练过程是保持不变的，学习率过大，
算法可能振荡而不稳定；学习率过小，则收敛速度慢，训练时间长。而要在训练之前选择最佳的学习率是不
现实的.

因此可采取学习率动态变化的BP 算法：当误差以减少的方式趋于目标时，说明修正方向正确，
可以使步长增加，因此学习率乘以增量因子，使学习率增加；而修正过头时，应减少步长，可以
乘以减量因子，使学习率减小.

*/