写一个简单神经网络代码C语言

在C语言中编写一个简单的神经网络模型可能会比较复杂，因为C语言本身并不像Python那样有现成的深度学习库支持。不过，我们可以创建一个基础版的前馈神经网络（Perceptron），它包含输入层、权重和激活函数。这里是一个非常简化的示例，使用单隐藏层和Sigmoid激活：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

// 定义节点结构体
typedef struct Node {
    double weight;
    double bias;
    double activation;
} Node;

// Sigmoid激活函数
double sigmoid(double x) {
    return 1 / (1 + exp(-x));
}

// 前向传播计算
void forwardPropagation(Node* input, int hiddenNodes, Node* output) {
    for (int i = 0; i < hiddenNodes; i++) {
        double sum = 0;
        for (int j = 0; j < input->nodes_count; j++)
            sum += input->weights[j][i] * input->nodes[j].activation;
        output[i].weight = sum + input->biases[i];
        output[i].activation = sigmoid(output[i].weight);
    }
}

// 训练函数 (仅用于演示，实际应用需要循环和反向传播)
void train(Node* input, Node* hiddenLayer, Node* output, int epochs, double learningRate) {
    // ... 实现训练算法，比如梯度下降 ...
}

int main() {
    // 初始化样本数据、网络结构等
    // ...

    // 创建节点并初始化权重和偏置
    Node* input = createInputNodes();
    Node* hiddenLayer = createHiddenNodes(hiddenNodes);
    Node* output = createOutputNodes();

    // 训练网络
    for (int epoch = 0; epoch < epochs; epoch++) {
        forwardPropagation(input, hiddenNodes, output);
        train(input, hiddenLayer, output, learningRate); // 这里省略了具体的训练代码
    }

    // ... 使用网络处理新数据 ...
    
    // 清理资源
    destroyNodes(input);
    destroyNodes(hiddenLayer);
    destroyNodes(output);

    return 0;
}

请注意，这个例子非常基础，实际应用中会更复杂，涉及到更多的优化、数据预处理、反向传播等步骤，并且可能需要使用更专业的数值计算库如BLAS或手写矩阵运算。