I'；我不知道如何在这种神经网络训练方法中引用权重 < >我写了C++中的自己的类神经网络类。我不确定如何引用此声明中的权重： in=in+（输入[l]*calcWeights[l]）；

原因是，权重可能比输入的权重多。这是我的密码：

void列（整数输入、整数输出、双输入[]、双输出[]）{
//设置随机种子：
srand（时间（0））；
//权重（n个输入）*n个输出）=n个权重分支）：
双计算重量[numInputs*numOutputs]；
//错误（n个输入）*n个输出）=n个错误分支）：
双重错误[numinput*numoutput]；
//将权重设置为“随机”：
对于（int j=0；j

从您在评论中的解释来看，我相信稍微修改一下循环将满足您的需求

for (int k = 0 ; k < numOutputs ; k = k + 1) {
    in = 0; //Reset in to 0 at the beginning of each output loop

    for (int l = 0 ; l < numInputs ; l = l + 1) {
        in = in + (inputs [l] * calcWeights [l + k*numInputs]) ;
    }

    out [k] = in + GetBias () ;
}

for（int k=0；k

您还应该确保初始化了上面的所有权重

for (int j = 0 ; j < (numInputs * numOutputs) ; j = j + 1) {
    calcWeights [j] = ((-1 * numInputs) + (((double) rand ()) % (1 * numInputs))) ;
}

for（int j=0；j<（numinput*numoutput）；j=j+1）{
计算权重[j]=（（-1*numput）+（（双）兰德（））%（1*numput））；
}

---

对于一些样式选择，我只想指出，您可以用简单的

++k

替换

k=k+1

。同样，您可以替换

in=in+在+=
不完全清楚你在问什么。那么，
calcWeights[l+k*numinput]
呢。您只初始化了一些权重。@super我将每个权重作为一个连接，每个神经网络包含多个接受输入和输出的神经元。这些神经元之间的联系是重量。我使用的公式是
input1*weight1+…+inputN*weightN+bias=输出
。所以，我的意思是：我怎样才能在不留下任何权重的情况下，将每个权重和输入值相乘呢？我还是不明白。如果有例如2个输入和2个输出，您是否可以提供一个小示例，说明您希望代码执行的操作。然后你有4个砝码，对吗？那么使用哪个权重取决于电流输入和输出，不是吗？所以你想要
i1*w1+i2*w2+b=o1
和
i1*w3+i2*w4+b=o2
@super如果我给它两个输入，我期望两个输出，方程将是
（i1*w1）+（i2*w2）+b=o1
和
（i1*w3）+（i2+w4）+b=o2
。如果我给它3个输入，我期望2个输出，那么方程将是
（i1*w1）+（i2*w2）+（i3*w3）+b=o1
和
（i1*w4）+（i2*w5）+（i3*w6）+b=o2
如果我的权重是以您上面给我的形式计算的，那么我的误差数组也必须以同样的方式计算吗？如果没有，请你解释一下。。。谢谢。这取决于您使用的错误函数。看一看。我使用相同的
for
循环样式更正了错误。谢谢