C语言创建一个神经网络

由于神经网络是一个比较复杂的模型，用C语言实现可能比较困难，需要编写大量的代码。以下是一个简单的示例代码，用于创建一个基本的神经网络模型。这个神经网络是一个三层全连接神经网络，包括一个输入层、一个隐藏层和一个输出层。输入层有4个神经元，隐藏层有5个神经元，输出层有3个神经元。

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

#define INPUT_SIZE 4
#define HIDDEN_SIZE 5
#define OUTPUT_SIZE 3

double sigmoid(double x) {
    return 1.0 / (1.0 + exp(-x));
}

double sigmoid_derivative(double x) {
    return x * (1.0 - x);
}

int main() {
    double inputs[INPUT_SIZE] = {0.1, 0.2, 0.3, 0.4};
    double hidden[HIDDEN_SIZE];
    double output[OUTPUT_SIZE];

    double weights_in_h[INPUT_SIZE][HIDDEN_SIZE];
    double weights_h_out[HIDDEN_SIZE][OUTPUT_SIZE];

    double bias_h[HIDDEN_SIZE];
    double bias_out[OUTPUT_SIZE];

    // Initialize weights and biases with random values
    srand(time(NULL));
    for (int i = 0; i < INPUT_SIZE; i++) {
        for (int j = 0; j < HIDDEN_SIZE; j++) {
            weights_in_h[i][j] = (double)rand() / RAND_MAX;
        }
    }
    for (int i = 0; i < HIDDEN_SIZE; i++) {
        for (int j = 0; j < OUTPUT_SIZE; j++) {
            weights_h_out[i][j] = (double)rand() / RAND_MAX;
        }
        bias_h[i] = (double)rand() / RAND_MAX;
    }
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        bias_out[i] = (double)rand() / RAND_MAX;
    }

    // Forward pass
    for (int i = 0; i < HIDDEN_SIZE; i++) {
        double sum = 0.0;
        for (int j = 0; j < INPUT_SIZE; j++) {
            sum += inputs[j] * weights_in_h[j][i];
        }
        hidden[i] = sigmoid(sum + bias_h[i]);
    }
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        double sum = 0.0;
        for (int j = 0; j < HIDDEN_SIZE; j++) {
            sum += hidden[j] * weights_h_out[j][i];
        }
        output[i] = sigmoid(sum + bias_out[i]);
    }

    // Backward pass (not implemented here)

    // Print the results
    printf("Inputs: ");
    for (int i = 0; i < INPUT_SIZE; i++) {
        printf("%.2f ", inputs[i]);
    }
    printf("\n");

    printf("Hidden layer: ");
    for (int i = 0; i < HIDDEN_SIZE; i++) {
        printf("%.2f ", hidden[i]);
    }
    printf("\n");

    printf("Output: ");
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        printf("%.2f ", output[i]);
    }
    printf("\n");

    return 0;
}

该代码创建了一个具有4个输入神经元，5个隐藏神经元和3个输出神经元的神经网络。它随机初始化了所有权重和偏差，并使用Sigmoid函数作为激活函数。代码还包括前向传递的实现，但没有包括反向传递的实现。在此示例中，我们只是打印了网络的输出结果。如果要在更实际的应用中使用神经网络，需要编写更复杂的代码，包括反向传递、优化算法、损失函数等。