C# 用C语言实现神经网络#

我将在此链接上阅读教程：

我是神经网络的新手，我正在尝试编辑上面教程中的示例以匹配我的问题。我正在使用多元回归来寻找3组不同数据的系数，然后计算每组数据的rsquared值。我正在尝试创建一个神经网络，它将改变系数值，使rsquared值尽可能接近100

这就是我如何建立系数并找到该系数的rsquared值。所有3个系数都使用相同的方法：

Calculations calc = new Calculations();
Vector<double> lowRiskCoefficient = MultipleRegression.QR(                                            Matrix<double>.Build.DenseOfColumnArrays(lowRiskShortRatingList.ToArray(), lowRiskMediumRatingList.ToArray(), lowRiskLongRatingList.ToArray()),                                            Vector<double>.Build.Dense(lowRiskWeekReturnList.ToArray()));
                decimal lowRiskShortCoefficient = Convert.ToDecimal(lowRiskCoefficient[0]);
                decimal lowRiskMediumCoefficient = Convert.ToDecimal(lowRiskCoefficient[1]);
                decimal lowRiskLongCoefficient = Convert.ToDecimal(lowRiskCoefficient[2]);
                List<decimal> lowRiskWeekReturnDecimalList = new List<decimal>(lowRiskWeekReturnList.Count);
                lowRiskWeekReturnList.ForEach(i => lowRiskWeekReturnDecimalList.Add(Convert.ToDecimal(i)));
                List<decimal> lowRiskPredictedReturnList = new List<decimal>(lowRiskWeekReturnList.Count);
                List<decimal> lowRiskResidualValueList = new List<decimal>(lowRiskWeekReturnList.Count);
                for (int i = 0; i < lowRiskWeekReturnList.Count; i++)
                {
                    decimal lowRiskPredictedValue = (Convert.ToDecimal(lowRiskShortRatingList.ElementAtOrDefault(i)) * lowRiskShortCoefficient) + (Convert.ToDecimal(lowRiskMediumRatingList.ElementAtOrDefault(i)) * lowRiskMediumCoefficient) +
                        (Convert.ToDecimal(lowRiskLongRatingList.ElementAtOrDefault(i)) * lowRiskLongCoefficient);
                    lowRiskPredictedReturnList.Add(lowRiskPredictedValue);
                    lowRiskResidualValueList.Add(calc.calculateResidual(lowRiskWeekReturnDecimalList.ElementAtOrDefault(i), lowRiskPredictedValue));
                }
                decimal lowRiskTotalSumofSquares = calc.calculateTotalSumofSquares(lowRiskWeekReturnDecimalList, lowRiskWeekReturnDecimalList.Average());
                decimal lowRiskTotalSumofRegression = calc.calculateTotalSumofRegression(lowRiskPredictedReturnList, lowRiskWeekReturnDecimalList.Average());
                decimal lowRiskTotalSumofErrors = calc.calculateTotalSumofErrors(lowRiskResidualValueList);
                decimal lowRiskRSquared = lowRiskTotalSumofRegression / lowRiskTotalSumofSquares;

Calculations calc=新计算（）；
向量低风险系数=MultipleRegression.QR（矩阵.Build.denseOfColumnArray（低风险ShortRatingList.ToArray（），低风险MediumRatingList.ToArray（），低风险LongRatingList.ToArray（）），向量.Build.denseOfColumnArray（低风险WeeKreturnList.ToArray（））；
十进制低风险系数=转换为十进制（低风险系数[0]）；
十进制低风险系数=转换为十进制（低风险系数[1]）；
十进制LowRiskLongConficient=转换为十进制（LowRiskConficient[2]）；
List lowRiskWeekReturnDecimalList=新列表（lowRiskWeekReturnList.Count）；
lowRiskWeekReturnList.ForEach（i=>lowRiskWeekReturnDecimalList.Add（Convert.ToDecimal（i））；
List lowRiskPredictedReturnList=新列表（lowRiskWeekReturnList.Count）；
List lowRiskResidualValueList=新列表（lowRiskWeekReturnList.Count）；
对于（int i=0；i

这是执行培训的示例，我目前正忙于如何更改此示例以匹配我正在尝试的操作

private void button1_Click(object sender, EventArgs e)
{
net = new NeuralNet();
double high, mid, low;
high = .9;
low = .1;
mid = .5; 
// initialize with
//   2 perception neurons
//   2 hidden layer neurons
//   1 output neuron
net.Initialize(1, 2, 2, 1);  
double[][] input = new double[4][];
input[0] = new double[] {high, high};
input[1] = new double[] {low, high};
input[2] = new double[] {high, low};
input[3] = new double[] {low, low};
double[][] output = new double[4][];
output[0] = new double[] { low };
output[1] = new double[] { high };
output[2] = new double[] { high };
output[3] = new double[] { low };
double ll, lh, hl, hh;
int count;
count = 0;
do
{
    count++;
    for (int i = 0; i < 100; i++)
        net.Train(input, output);
    net.ApplyLearning();
    net.PerceptionLayer[0].Output = low;
    net.PerceptionLayer[1].Output = low;
    net.Pulse();
    ll = net.OutputLayer[0].Output;
    net.PerceptionLayer[0].Output = high;
    net.PerceptionLayer[1].Output = low;
    net.Pulse();
    hl = net.OutputLayer[0].Output;
    net.PerceptionLayer[0].Output = low;
    net.PerceptionLayer[1].Output = high;
    net.Pulse();
    lh = net.OutputLayer[0].Output;
    net.PerceptionLayer[0].Output = high;
    net.PerceptionLayer[1].Output = high;
    net.Pulse();
    hh = net.OutputLayer[0].Output;
}
while (hh > mid || lh < mid || hl < mid || ll > mid);
MessageBox.Show((count*100).ToString() + " iterations required for training");
}

private void按钮1\u单击（对象发送者，事件参数e）
{
net=新的NeuralNet（）；
双高、中、低；
高=.9；
低=.1；
中期=.5；
//初始化为
//2感觉神经元
//2隐层神经元
//1输出神经元
初始化（1，2，2，1）；
双精度[]输入=新双精度[4][]；
输入[0]=新的双精度[]{high，high}；
输入[1]=新的双精度[]{低，高}；
输入[2]=新的双[]{高，低}；
输入[3]=新的双[]{low，low}；
双精度[]输出=新双精度[4][]；
输出[0]=新的双精度[]{low}；
输出[1]=新的双精度[]{high}；
输出[2]=新的双精度[]{high}；
输出[3]=新的双精度[]{low}；
双ll、lh、hl、hh；
整数计数；
计数=0；
做
{
计数++；
对于（int i=0；i<100；i++）
净列车（输入、输出）；
net.ApplyLearning（）；
net.PerceptionLayer[0]。输出=低；
net.PerceptionLayer[1]。输出=低；
net.Pulse（）；
ll=net.OutputLayer[0]。输出；
net.PerceptionLayer[0]。输出=高；
net.PerceptionLayer[1]。输出=低；
net.Pulse（）；
hl=净输出层[0]。输出；
net.PerceptionLayer[0]。输出=低；
net.PerceptionLayer[1]。输出=高；
net.Pulse（）；
lh=net.OutputLayer[0]。输出；
net.PerceptionLayer[0]。输出=高；
net.PerceptionLayer[1]。输出=高；
net.Pulse（）；
hh=net.OutputLayer[0]。输出；
}
而（hh>mid | | lhmid）；
Show（（count*100）.ToString（）+“训练所需的迭代次数”）；
}

---

我如何使用这些信息创建一个神经网络，以找到系数，该系数的rsquared值将尽可能接近100？

您可以使用在.NET中构建的Neuroph框架，而不是从这里开始使用Neuroph.NET

这是他们为JAVA平台所做的原始Neuroph的轻微转换

---

希望这对您有所帮助。

您尝试过什么？你遇到了什么特别的问题？你的问题太宽泛了。