写一个bp神经网络做预测的程序

你好，我可以回答这个问题。以下是一个简单的BP神经网络预测程序的示例：

#include <iostream>
#include <cmath>

using namespace std;

const int inputSize = 3; // 输入层大小
const int hiddenSize = 4; // 隐藏层大小
const int outputSize = 1; // 输出层大小
const double learningRate = .1; // 学习率

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

// BP神经网络类
class BPNN {
public:
    BPNN() {
        // 初始化权重
        for (int i = ; i < inputSize; i++) {
            for (int j = ; j < hiddenSize; j++) {
                w1[i][j] = (double)rand() / RAND_MAX;
            }
        }
        for (int i = ; i < hiddenSize; i++) {
            for (int j = ; j < outputSize; j++) {
                w2[i][j] = (double)rand() / RAND_MAX;
            }
        }
    }

    // 前向传播
    double forward(double* input) {
        // 输入层
        for (int i = ; i < inputSize; i++) {
            x1[i] = input[i];
        }

        // 隐藏层
        for (int j = ; j < hiddenSize; j++) {
            double sum = ;
            for (int i = ; i < inputSize; i++) {
                sum += x1[i] * w1[i][j];
            }
            x2[j] = sigmoid(sum);
        }

        // 输出层
        double sum = ;
        for (int j = ; j < hiddenSize; j++) {
            sum += x2[j] * w2[j][];
        }
        return sigmoid(sum);
    }

    // 反向传播
    void backward(double* input, double target) {
        // 前向传播
        double output = forward(input);

        // 输出层误差
        double delta2 = (target - output) * output * (1 - output);

        // 隐藏层误差
        for (int j = ; j < hiddenSize; j++) {
            double sum = ;
            for (int k = ; k < outputSize; k++) {
                sum += delta2 * w2[j][k];
            }
            delta1[j] = x2[j] * (1 - x2[j]) * sum;
        }

        // 更新权重
        for (int j = ; j < hiddenSize; j++) {
            for (int i = ; i < inputSize; i++) {
                w1[i][j] += learningRate * delta1[j] * x1[i];
            }
        }
        for (int k = ; k < outputSize; k++) {
            for (int j = ; j < hiddenSize; j++) {
                w2[j][k] += learningRate * delta2 * x2[j];
            }
        }
    }

private:
    double w1[inputSize][hiddenSize]; // 输入层到隐藏层的权重
    double w2[hiddenSize][outputSize]; // 隐藏层到输出层的权重
    double x1[inputSize]; // 输入层的输出
    double x2[hiddenSize]; // 隐藏层的输出
    double delta1[hiddenSize]; // 隐藏层的误差
};

int main() {
    // 训练数据
    double trainData[][inputSize + 1] = {
        {, , 1, },
        {, 1, 1, 1},
        {1, , 1, 1},
        {1, 1, 1, }
    };

    // 创建BP神经网络
    BPNN bpnn;

    // 训练
    for (int epoch = ; epoch < 10000; epoch++) {
        for (int i = ; i < 4; i++) {
            bpnn.backward(trainData[i], trainData[i][inputSize]);
        }
    }

    // 测试
    double testData[][inputSize] = {
        {, , 1},
        {, 1, 1},
        {1, , 1},
        {1, 1, 1}
    };
    for (int i = ; i < 4; i++) {
        double output = bpnn.forward(testData[i]);
        cout << output << endl;
    }

    return ;
}

这个程序实现了一个简单的BP神经网络，用于预测一个逻辑异或运算。训练数据包括四个样本，每个样本有三个输入和一个输出。程序首先创建一个BP神经网络，然后使用训练数据进行训练，最后使用测试数据进行测试。