C语言神经网络识别手写数字,手写数字识别（0~9）基于BP神经网络算法

博客链接：

digittra.txt 是训练集合，是数字图像像素值的数据项

digittest.txt是测试集合

test_accuracy_x.txt是输出的预测精度

1.[文件] digitstest.txt ~ 220KB     下载(473)

2.[文件] digitstra.txt ~ 550KB     下载(412)

3.[文件] Neural_Network.h ~ 1KB     下载(274)

/*

三层神经网络：

1 输入层 64 个单元(对应64个像素值)

2 隐藏层 8 个单元

3 输出层 1 个单元(对应数字)

*/

#include

#include

#include

#include

#include

#include

#include

using namespace std;

#define Alpha1 0.05 //权值学习率α 输入层到隐层

#define Alpha2 0.95//权值学习率α 隐层到输出层

#define A 20

#define lamda 0.0005

#define EPS 0.01 // 终止学习条件，误差精度判断

//#define Times 3822 // 终止学习条件，学习迭代次数判断

#define Testnum 1517 // 测试样例个数

// 神经网络各层节点数

#define InputNode 64

#define HiddenNode 32

#define OutputNode 10

void init(string tra_file, int sample_num); // 初始化变量值

void weight_init(); // 初始化，随机给权重赋初值

void one_sample_train(); // 对每个样本进行迭代

void cal_weight(); // 计算权值

void write_weights_ToFile(); // 将最后得到的权值写入文件

int recognize();

double test_accuracy(); // 利用测试集数据测试准确度

4.[文件] Neural_Network.cpp ~ 6KB     下载(246)

#include

#include

#include

#include

#include

#include

#include

#include

#include "Neural_Network.h"

using namespace std;

// w1： 输入层到隐层权重， w2：隐层到输出层权重, 下标从 1 开始

double w1[InputNode][HiddenNode];

double w2[HiddenNode][OutputNode];

string train_file; // 训练集文件名

int Times;

int input_px[InputNode]; //输入的 64 个像素值，隐藏层的输入

double hidden_out[HiddenNode]; // 隐藏层的输出，即输出层的的输入

double output_num[OutputNode]; // 输出层的最后输出

<