神经网络实现异或问题

/********************************************
**
**  神经网络实现异或操作
**	臧潇 清华大学
**	2012.10.18
**
****************************************************/

#include 
#include 
#include 
#include 

#define Ni 2 // 输入层神经元的个数
#define Nm 2 // 隐含层神经元的个数 
#define No 1 // 输出层神经元的个数

#define Enom 0.02 // 误差下限，达到这个误差以内即可认为训练成功
#define MAXSAMPLE 1000 // 样本的最大个数
#define BP_LEARNING	（float）（0.5）	// 学习系数

// 输入层神经元只有传递的功能
float HWeight[Ni+1][Nm]; // 隐含层神经元的输入权值
float OWeight[Nm+1][No]; // 输出层神经元的输出权值

float inputValue[Ni];
float destValue[No];

float E; // 每轮的误差

// 训练的过程
int train（float in[Ni]float d[No]）;
// 神经网络初始化
void init（）;
// 测试的过程
int processTest（float in[Ni]）;
//Sigmoid函数
float Sigmoid（float num）;


int main（） 
{
	float input[MAXSAMPLE][Ni]; // 输入
	float dest[MAXSAMPLE][No]; // 目标输出
	float test[Ni]; // 测试输入
	int num;
	int ij;
	long count=0;

	// 输入相关的测试
	printf（“Please input the number of sample:“）;
	scanf（“%d“&num）;
	for（i=0;i	{
		for（j=0;j			scanf（“%f“&input[i][j]）;
		for（j=0;j			scanf（“%f“&dest[i][j]）;
	}

	init（）;

	while（1）
	{
		E=0;
		for（i=0;i		{
			train（input[i]dest[i]）;
		}

		if（E			break;

		if（count%20000==0）
			printf（“第%d迭代的误差为 %f \n“countE）;

		count++;
	}

	// 训练好的神经网络测试
	while（1）
	{
		printf（“Please input the test data:“）;
		for（i=0;i			scanf（“%f“&test[i]）;
		processTest（test）;
	}

	return 1;
}

// 测试的过程
int processTest（float in[Ni]）
{
	int ij;
	float net[Nm]iin[Nm]out[No];

	// 计算隐含层的神经元值
	for（i=0;i	{
		net[i]=1*HWeight[0][i];
		for（j=1;j			net[i]+=HWeight[j][i]*in[j-1];
	}
	// 使用S函数
	for（i=0;i		iin[i]=Sigmoid（net[i]）;

	// 计算输出层的值
	for（i=0;i	{
		net[i]=1*OWeight[0][i];
		for（j=1;j