C++builder中的人工智能（4）基于结构的简单人工神经元模型

你想从头开始开发自己的人工智能应用吗？想学习如何在C++中构建一个简单的人工神经元模型吗？在这篇文章中，我们将通过一个非常简单的人工神经元示例来解释。之前我们已经发布了C++中的简单人工神经元模型和C++中的超简单人工神经网络（ANN）示例，我们还发布了基于数组的简单人工神经元模型在C++中的实现。如果你是AI技术的新手，我们强烈推荐你先阅读AI技术入门。

一个简单的ANN模型

我们之前介绍过这个简单的AI神经元模型，让我们回顾一下。一个最小人工神经元包含一个激活值（记为a）、一个激活函数（记为phi()）以及加权的（w）输入网络连接。因此，它有一个激活值、一个激活函数，以及一个或多个权重，这取决于它的输入网络数量。

这是一个非常简单的人工智能技术中的人工神经网络。现在让我们通过这个示例来改进我们的神经元模型，并使用数组来创建一个人工神经元模型。

基于结构的人工神经元模型在C++

这是另一个使用结构的简单神经元示例。在C和C++编程中，一个数据结构（struct）是内存中的数据块，将一组数据元素组合在一起，并给它们一个名称，这些数据元素是变量（整数、浮点数、字符串等），称为成员，它们都可以在单个名称下定义为新变量。它们可以有不同的类型和不同的长度。数据结构可以通过使用struct语句来声明，使用以下语法：

struct struct_name {
    // 在这里列出数据成员
} dataobject_names;

结构体主要用于C编程语言，你也可以在C++中使用和存储数据。在C++中，通常使用类来存储数据和函数，而不是结构体。结构体和类之间的主要区别是类可以包含数据和函数，而结构体只包含数据，函数可以外部使用。结构体的一个好处是它们具有固定的大小。

一个最小人工神经元包含一个激活值（a）、一个激活函数（phi()）以及加权的（w）输入网络连接。因此，我们可以使用结构体在C++中定义一个简单的神经元模型，如下所示，

struct st_neuron {
    float a; // 每个神经元的活动
    float w[NN+1]; // 神经元之间连接的权重
};

如果所有神经元都相互连接，或者神经元数量很少，这是一个很好的例子。这个例子也非常适合在只能编译C语言的IoT机器上进行计算。这里NN表示神经元的数量，权重的数量取决于网络连接的数量，正确的方法可能是使用指向数组的指针，但我们将在这里使用这个简单模型。现在我们可以为NN数量的神经元创建我们的**n[]**人工神经元结构，如下所示：

struct st_neuron n[NN+1];

我们可以如下定义两个输入神经元（a0, a1）和一个输出神经元（a2）的活动：

n[0].a=0.0;
n[1].a=1.0;
n[2].a=0;

请注意，这里的n[2]是我们的输出神经元，我们将在给定0的情况下计算它的新激活值。

在我们上面的示例中，两个输入神经元连接到输出神经元。因此我们有2个连接，这意味着我们有权重。我们可以如下定义来自两个输入神经元到输出神经元（0到2和1到2）的信号权重：

n[0].w[2]=0.3;
n[1].w[2]=0.2;

现在我们需要一个激活函数，让我们为输出神经元定义一个简单的激活函数phi()（转移函数或阈值）：

float phi(float sum) {
    return sum; // 线性转移函数 f(sum) = sum
}

我们可以通过激活函数激发我们的人工神经元来计算它的活动。让我们激发n[2]，计算输出神经元的激活如下：

n[2].a=phi(n[0].a*n[0].w[2]+n[1].a*n[1].w[2]);

让我们将它们组合成一个完整的C++示例，如下所示：

#include <stdio.h>
#define NN 3 // 神经元数量
struct st_neuron {
    float a; // 每个神经元的活动
    float w[NN+1]; // 神经元之间连接的权重
    float phi; // 每个神经元的活动输出阈值
};
struct st_neuron n[NN+1];
void main() {
    // 定义两个输入神经元（a0, a1）和一个输出神经元（a2）的活动
    n[0].a=0.0;
    n[1].a=1.0;
    n[2].a=0;
    // 定义来自两个输入神经元到输出神经元（0到2和1到2）的信号权重
    n[0].w[2]=0.3;
    n[1].w[2]=0.2;
    // 激发我们的人工神经元活动，输出将是
    n[2].a=phi(n[0].a*n[0].w[2]+n[1].a*n[1].w[2]);
    printf("%10.6f\n",n[2].a);
    getchar();
    return 0;
}

最后说明，

这是一个非常简单的基于结构的人工神经元示例，旨在让你了解如何在C++中开发自己的基于结构的神经元模型。如果你有很多神经元，并且每个神经元都有连接，那么连接和权重应该存储在这个结构之外。你也可以使用指针指向每个神经元结构的网络连接数组。这个示例非常适合理解C++中的简单人工神经元，并且它在只能使用C或C++的IoT上很容易使用。它适用于神经元数量较少的神经网络。