C++builder中的人工智能（5）基于数组的简单人工神经元模型

嘿，未来的AI大师！是不是想亲手打造一个属于自己的人工智能应用？或者，你想探索如何在C++的世界里构建一个简单的人工神经元模型？别急，这篇文章将带你从一个超级简单的人工神经元示例开始，慢慢揭开AI的神秘面纱。如果你对AI技术还是个新手，我们强烈建议你先去逛逛我们的AI技术入门。

简单ANN模型回顾

先来回顾一下，我们之前提到过的简单AI神经元模型。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()）以及一些加权的（w）输入网络连接。简单来说，它有一个激活值，一个激活函数，以及根据输入网络的数量，一个或多个权重。

您想从头开始开发您的人工智能应用程序吗？想要了解如何用 C++ 开发简单的人工神经元模型？在这篇文章中，我们将用一个非常简单的人工神经元示例进行解释。我们之前发布过 C++ 中的简单人工神经元模型 和 C++ 中的非常简单的人工神经网络 (ANN) 示例 。如果您不熟悉人工智能技术，我们强烈建议您阅读它们。

这就是AI技术中的一个非常简单的人工神经网络。现在，让我们跟随这个示例，提升我们的神经元模型，用数组来创建一个人工神经元模型。

基于数组的人工神经元模型

这是另一个使用数组的简单神经元示例。这个示例也非常适合用在物联网(IoT)上的C应用。如果你有一个固定的网络，并且你知道训练数据的值，这个模型可能很容易检查神经元的激活情况。数组在静态神经网络中易于分配内存和使用。

首先，我们定义神经元的数量，如果在应用中这个数量会变化，使用int：

1 2 3

#define NN 3   // number of neurons

我们需要一个激活函数，也就是转移函数phi()，可以是线性的、sigmoid的等等。我们这里定义一个非常简单的线性转移函数：

1 2 3 4 5 6

float phi(float sum) {   return sum ;   // linear transfer function f(sum)=sum }

首先，我们定义并初始化神经元的活动：

1 2 3 4 5 6 7

float a[NN+1];  // activaty of each neurons   a[0] = 0.0; a[1] = 1.0; a[2] = 0;

接下来，我们定义并初始化神经链接的权重：

1 2 3 4 5 6

float w[NN+1][NN+1];  // weight of links between each neurons   w[0][2] = 0.3; w[1][2] = 0.2;

最后，我们可以使用下面的激活函数计算输出神经元的新活动值，

因此，神经元2的输出激活值可以写成如下：

1 2 3

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

这是组合在一起的完整示例，

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

#include <stdio.h>   #define NN 3   // number of neurons   // let's define a transfer function (or threshold) for the output neuron float phi(float sum) {   return sum ;   // linear transfer function f(sum)=sum }   int main() {   float a[NN+1];  // activaty of each neurons   float w[NN+1][NN+1];  // weight of links between each neurons   //let's define activity of two input neurons (a0, a1) and one output neuron (a2)   a[0] = 0.0; a[1] = 1.0; a[2] = 0;   //let's define weights of signals comes from two input neurons to output neuron (0 to 2 and 1 to 2)   w[0][2] = 0.3; w[1][2] = 0.2;     // Let's fire our artificial neuron activity, output will be a[2] = phi( a[0]*w[0][2] + a[1]*w[1][2] );   printf("%10.6f\n", a[2]); getchar();   return 0; }

这个示例既友好又适用于C和C++代码，意味着你可以在物联网上使用MicroC、Ardunio C、Dev C++，或者你也可以选择GNU C/C++、Visual C++，或者用C++ Builder更专业地进行开发。