Такая нейросеть имеет право на жизнь? - C++ - Ответ 13304481

double sigmoid (double x){
    return 1/(1+exp(-x));
}

double Predict (double In[11], double W_SecretLayer[4][11], double W_Out[4]){
 
    double In_Layer_1[4]={0,0,0,0},Out_Layer_1[4]={0,0,0,0}, In_Layer_2=0, Out_Layer_2=0;
 
    for (int j = 0; j < 4; j++) {
         for (int i = 0; i < 11; i++) {
           In_Layer_1[j]+=In[i]* W_SecretLayer[j][i];
         }
     Out_Layer_1[j] = sigmoid(Out_Layer_1[j]);
    }
 
    for ( int i = 0; i < 4; i++) {
        In_Layer_2+= Out_Layer_1[i] * W_Out[i];
    }
 
    Out_Layer_2 = sigmoid(In_Layer_2);
 
    return Out_Layer_2;
}

 void NeurTraining (double In[11], double W_SecretLayer[4][11],double W_Out[4], double Our_Expected){
    double Learning_Rate=0.10;
    double In_Layer_1[4]={0,0,0,0},Out_Layer_1[4]={0,0,0,0}, In_Layer_2=0, Out_Layer_2=0;
 
    for (int j = 0; j < 4; j++) {                // Вычисление   In_Layer_1[4] и   Out_Layer_1[4]
        for (int i = 0; i < 11; i++) {
          In_Layer_1[j]+=In[i]* W_SecretLayer[j][i];
        }
     Out_Layer_1[j] = sigmoid(Out_Layer_1[j]);
    }
    for ( int i = 0; i < 4; i++) {               // Вычисление   In_Layer_1[4]
        In_Layer_2+= Out_Layer_1[i] * W_Out[i];
    }
 
    double Actual = sigmoid(In_Layer_2);         // Вычисление актуального решения сети
    double Error_Layer_2 = Actual-Our_Expected;  // Ошибка на выходного слое, как разница актуального решения сети и нашего
    double Gradient_Layer_2 = Actual * (1 - Actual);
    double Weigths_Delta_2 = Error_Layer_2 * Gradient_Layer_2;
 
    for ( int i = 0; i < 4; i++) {    // коррекция весов 2го слоя
       W_Out[i] = W_Out[i]- Out_Layer_1[i] * Weigths_Delta_2 * Learning_Rate;
    }
 
    for (int i = 0; i < 4; i++) {
         double Error_Layer_1 = Weigths_Delta_2 * W_Out[i];
         double Gradient_Layer_1 = Out_Layer_1[i] * (1 - Out_Layer_1[i]);
         double Weigths_Delta_1 = Error_Layer_1 * Gradient_Layer_1;
 
         for ( int j  = 0; j < 11; j++) {
            W_SecretLayer[i][j] = W_SecretLayer[i][j]-In[i] * Weigths_Delta_1 * Learning_Rate;
         }
    }
 
 
 
 }

int Condition (double In[11]){
  if ((In[3]==1 & In[4]==1)||(In[1]==1 & In[4]==1)) return 1;
        else return 0;
 }

 void RandomFilling(double In[11]){
 
   for (int j=0; j < 11; j++) {
    In[j]=random(2);
   }
 }

void PrintNeur (double In[11]){  //, double W_SecretLayer[4][11],double W_Out[4]
   for (int i = 0; i < 6; i++) {
    cout << "In[" << i+1 << "] " << In[i]  << "     In[" << i+5 << "] " << In[i+5] << endl;
   }
   cout << "In[11] " << In[10] << endl;
 }

 int _tmain(int argc, _TCHAR* argv[])
{
    randomize();
    double In[11]; // Массив входных сигналов
    double W_SecretLayer[4][11]= {                           // Массив весов скрытого слоя
     {0.47,0.42,0.47,0.16,0.34,0.15,0.85,0.34,0.44,0.5,0.7}, // заполнен случайным образом
     {0.4,0.13,0.3,0.77,0.13,0.4,0.71,0.23,0.56,0.32,0.24},
     {0.64,0.25,0.63,0.5,0.32,0.47,0.6,0.41,0.26,0.32,0.32},
     {0.47,0.6,0.73,0.56,0.52,0.47,0.62,0.23,0.56,0.72,0.42}
    };
    double W_Out[4]={0.45,0.55,0.36,0.65}; // Массив весов выходного слоя заполнен случайным образом
    int Our_Expected;                      // Наше решение
    for (int i = 0; i < 1000000; i++) {    // Цикл обучения
        cout << "#" << i << endl;
        RandomFilling(In);                 // Заполнение массива In
        Our_Expected = Condition (In) ;    // Наше решение на основании входных сигналов In
        PrintNeur (In);
        cout << "Nashe reshenie: " << Our_Expected << endl;
        cout << "Predskazanie seti: " << Predict (In, W_SecretLayer, W_Out) <<endl;
        cout << "Training: " << endl;
        NeurTraining(In, W_SecretLayer, W_Out, Our_Expected);    // вызов функции обучения
//      PrintNero(c,w);
        cout << "Predskazanie seti: " << Predict (In, W_SecretLayer, W_Out) <<endl;
        cout << "------------------------------------------------------------------------" << endl ;
   }
    getchar();
    getchar();
    return 0;
}