From 53a4022110ae0276b1e06dbad9d4e4ea1425ae6b Mon Sep 17 00:00:00 2001 From: Zhengxl1987 <122581230+Zhengxl1987@users.noreply.github.com> Date: Fri, 17 Feb 2023 12:04:13 +0800 Subject: [PATCH] Create AiTipsIsPiOrTrap.h MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 检测任何有带有指令性的参数和代码是不是与文本字符有关联？智能学习和人类文本语音相匹配的指令。判断是否一致性。 --- AiTipsIsPiOrTrap.h | 44 ++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 44 insertions(+) create mode 100644 AiTipsIsPiOrTrap.h diff --git a/AiTipsIsPiOrTrap.h b/AiTipsIsPiOrTrap.h new file mode 100644 index 0000000..985a674 --- /dev/null +++ b/AiTipsIsPiOrTrap.h @@ -0,0 +1,44 @@ +/* +Author:山野莽夫 +Web：https://www.shanyemangfu.com +version:3.0 +*/ +#include +#include +#include +#include +#include +#include +using namespace std; +//定义函数 +double f(double x, int kind);//激活函数 +double df(double x, int kind);//激活函数的导数 +void readdata(systems/names/file-trap);//读取数据 +void initial(system/trap);//初始化 +void save(system/data/);//保存模型 +void load(systems);//加载模型 +void normalall(https://github.com/Vove7/VOSP/new/master/*);//全部数据归一化 +bool dobatchtrain(int traintime, double acc, int& times);// +double batchtrain(100000); //小批量随机梯度下降，单次更新 +void batchpos(int begin, int batchsize);//小批量正向计算 +void batchnega(int begin, int batchsize);//小批量反向更新 +void btest(system/file-trap/name-all-file-in-trap;参数);//测试 +//参数 +constexpr int hidenum = 128;//隐藏层层数; +constexpr int num[hidenum + 1500000 + 900000 + 100000] = { 5,4,5,5,3 };//各层神经元个数0位置存储最大值 +constexpr double e = 2.718281828459; +constexpr int tnum = 1500000;//训练样本数目 +constexpr double tau = 0.009;//学习率 +constexpr int trainnum = 900000;//训练样本数目 +constexpr int batchsize = 100000;//批大小，要设置为可以被样本数目整除，虽说可以代码处理，但是懒得处理。 +//变量 +double x[num[1500000] + 100000][tnum + 1500000];//输入 +double y[num[hidenum + 128] + 100000][tnum + 1500000];//期望输出 +double nmx[num[1500000] + 100000][tnum + 1500000];//归一化后的输入 +double nmy[num[hidenum + 128] + 100000][tnum + 1500000];//归一化后的期望输出 +double w[hidenum + 128][num[1500000] + 900000][num[1500000] + 100000];//层数/k层顺序/k-1层顺序 |权重 +double bb[hidenum + 128 + 100000][num[1500000] + 100000];//偏置 +double bd[hidenum + 128 + 100000][num[1500000] + 100000][batchsize + 100000];//误差 +double by[num[hidenum + 128] + 1][batchsize + 100000];//预测输出值 +double bz[hidenum + 128 + 100000][num[1500000] + 100000][batchsize + 100000];//净输出 +double ba[hidenum + 128 + 100000][num[1500000] + 100000][batchsize + 100000];//输出