使用c ++的神经网络中的单个神经元

Question

我正在尝试用 C++ 编写一个类似于此图像的简单神经元函数。我使用 sigmoid 函数作为激活函数。

这是我的 c++ 神经元函数

#include<math.h>

double neuron(double layer_inputs[],int iter)
{

  // Feed forwarding single neuron
    double network=0;
    double bias=1;
    double activation;

    //get number of elements in the layer
    const int num=sizeof(layer_inputs)/sizeof(layer_inputs[0]);
    double weight[num];

    for ( int i = 0; i < num; i++ )
    {
        if(iter==0)
        {
        //first time assigning random weights
            weight[i]=rand();
        }

        //feed forwarding summation
        network=network+(layer_inputs[i]*weight[i]+bias);


    }

    activation= 1.0 / (1.0 + exp(-network)); //sigmoid activation function

return activation;
}

问题是我不知道我的代码是否有任何逻辑错误。 iter 是检查神经元是否第一次激活的迭代变量。我在神经网络中写的神经元正确吗？

编辑：

尽管我不是编程或量化背景，但我对编程、神经网络和人工智能很着迷。我在caret R 中使用了内置函数，但为了进一步了解，我想从头开始创建一个简单的神经网络。我从互联网上学到了大部分基础知识，我在这里发布我的代码，因为我确信我做了一些不合逻辑但正在执行的脚本。

#include<iostream>
#include <math.h>//pow, exp
#include "sqrtnn.h" //neuron()


int main()
{

    double input[]= {1,4,9,16,25,36,49,64,81,100};
    double output[]= {1,2,3,4,5,6,7,8,9,10};
    //number of layers
    double layer=3;
    double output_network[10];
    double error[10];
    double learning_rate=0.02;
    //number of iterations
    int iter=10;
    int input_num=sizeof(input)/sizeof(input[0]);
    std::cout<<"Simple  neural network for solving square root\n \nINPUT -> OUTPUT\n\n";
    for ( int i = 0; i < iter; i++ )
    {
        for ( int j = 0; j < input_num; j++ )
        {
            for ( int k = 0; k < layer; k++ )
            {
                //feed forwarding
                output_network[j] =neuron(input,i) ; //sigmoid activation function

                //back propogation
                error[j]=1/2*pow(output[j]-output_network[j],2);//error function
                std::cout<<input[j]<<" -> "<< output[j]<<"= "<< error[j] <<"\n";


            }
        }
    }


    return 0;
}

Answer 1

您正在编写 C 代码，而不是 C++。 C 数组不知道自己的大小。使用std::vector<double> layer_inputs，以便您可以拨打layer_inputs.size()。

代码中的其他 C 位：在需要之前不要声明变量；你声明activation 太早了。事实上，我根本不会定义它 - 只是 return 1.0 / (1.0 + exp(-network));。

Answer 2

这里的问题只是将double input[10] 转换为double input[]，因为它是 c++ 而不是 c 在输出数组上也这样做，它不是训练神经网络模型，因为提供了实际的（准备好的女仆输入/输出）和 @ 987654323@ 声明不在任何地方使用。