FANN：将输出作为输入反馈到run（）（C+；+；） 我使用C++的FRAN包装器，并从时间序列输入中训练了一个预测器。现在我想看看将网络输出作为输入反馈会产生什么样的序列

我最初尝试过：

fann_type *previousOutput = net.run(previousOutput);

其结果是：

Program received signal SIGSEGV, Segmentation fault.
0x00007ffff7bc51fb in fann_run () from /usr/local/lib/libfann.so.2
(gdb) bt
#0  0x00007ffff7bc51fb in fann_run () from /usr/local/lib/libfann.so.2
#1  0x000000000040161f in FANN::neural_net::run (this=0x7fffffffe420, 
    input=0x7fffffffe5b8) at /usr/local/include/fann_cpp.h:1107
#2  0x000000000040118d in run () at generate_dream.cpp:34
#3  0x000000000040133b in main (argc=1, argv=0x7fffffffe5a8)
    at generate_dream.cpp:55

我还尝试：

fann_type *tmpOutput = net.run(previousOutput);
previousOutput = *tmpOutput; // feedback loop.

这会导致相同的错误

那么正确的方法是什么呢？问题似乎在于run（）返回的是指针，而不是实际数据

此外，由于我的输入在我的训练数据中是离散的（0和1缩放为-1和1），我可能需要在反馈之前离散网络输出。这将涉及在网络输出中循环，并构建一个新的离散化值的fann_类型数组，但由于run（）需要一个指针，因此我不确定如何做到这一点

谢谢

EDIT1（完整代码列表）

#包括“floatfann.h”
#包括“fann_cpp.h”
#包括
#包括
#包括
#包括
#包括
使用名称空间std；
/测试函数演示FANN C++包装器的用法
无效运行（）
{
//加载以前训练过的文件（例如，通过学习顺序）
神经网络；
net.create_from_文件（“learn_sequential.net”）；
//加载数据文件
FANN：：训练数据；
if（data.read\u train\u from\u文件（“../data/backgroundState\u FANN.data”））{
数据。刻度线数据（-1,1）；
//使用数据集中的最后一个模式进行种子设定。
fann_type*previousOutput=data.get_input（）[data.length_train_data（）]；
//梦的长度
for（无符号整数i=0；i<10000；i++）
{
扇型*tmpOutput；
tmpOutput=net.run（以前的输出）；
previousOutput=tmpOutput；//反馈循环。
//打印每个
for（无符号整数j=0；jcout如果我单独处理数组元素，那么它将按照我的预期工作：

fann_type *tmpOutput = net.run(previousOutput);

// copy element by element from output to new array.
fann_type newInput[data.num_input_train_data()];
for (unsigned int j = 0; j < data.num_input_train_data(); j++) {
    newInput[j] = tmpOutput[j];
}
previousOutput = newInput; // feedback loop.

fann_type*tmpOutput=net.run（以前的输出）；
//将输出中的元素逐个复制到新数组。
fann_type newInput[data.num_input_train_data（）]；
for（无符号整数j=0；j
如果没有看到更多的代码，我无法确定，但第一种情况似乎是未定义的行为，您需要在使用它之前初始化指针，第二种情况可能是相同的。您能提供更多的代码吗？@ShafikYaghmour。我在上面的问题中列出了完整的程序。我是FANN的新手，所以我不确定如何使用它应该使用指向fann_类型的指针。
fann_type *tmpOutput = net.run(previousOutput);

// copy element by element from output to new array.
fann_type newInput[data.num_input_train_data()];
for (unsigned int j = 0; j < data.num_input_train_data(); j++) {
    newInput[j] = tmpOutput[j];
}
previousOutput = newInput; // feedback loop.