cpnn.rar_CPNN_counter propagation_https//cpnn5.com

#include <stdio.h> #include <stdlib.h> #include <math.h> #define INPUTSIZE 64 //dimension of the input #define K_NEURONS 3 //number of kohonen neurons #define OUT_NEURONS 2 //number of out neurons #define NUM_TRAIN 3 //number of trainingset #define NUM_TEST 10000 //number of testset #define VERBOSE 0 //output verbosity #define NUM_ERRORS 12 //number of errors #define NUMRUN 100 //number of run #define TH 0.5 //threshold value #define ALPHA 0.7 #define BETA 0.7 #define GAMMA 0.01 /****************** TYPES ******************/ typedef enum modstate{MODIFIED,UNMODIFIED}modstate; typedef struct neuron{ float weight[INPUTSIZE]; float z; int y; }neuron; typedef enum inputvalue{ONE,LL,VL,UNKNOWN}inputvalue; typedef struct input{ inputvalue rightvalue; float data[INPUTSIZE]; }input; /********************************** PRINT INPUTVALUE **********************************/ //pretty print the value of the given inputvalue void printinputvalue(inputvalue in){ if(in==ONE) printf(" 1 "); if(in==VL) printf(" V "); if(in==LL) printf(" L "); if(in==UNKNOWN) printf(" ? "); } /********************************* NETWORK TOPOLOGY *********************************/ // the topology is a single layer network neuron kohonenlayer[K_NEURONS]; neuron groslayer[OUT_NEURONS]; /******************************** PRINT INPUT DATA ********************************/ //nicely printout an input data void printinput(input n){ int i; printf("\t"); for(i=0;i<INPUTSIZE;i++){ if(INPUTSIZE==64){ if(!(i%8)) printf("\n\t"); } else{ if(!(i%6)) printf("\n\t"); } if(n.data[i]>0) printf("#"); else printf(" "); } printf("\n\n"); } /************************* PRINT OUTPUT *************************/ void printoutput(){ int i; for(i=0;i<OUT_NEURONS;i++){ if(i%8==0) printf("\n"); if(groslayer[i].y>0) printf("# "); else printf(". "); } printf("\n-------------\n"); } /************************* RANDOMIZED INPUT DATA *************************/ //return the required input with 1 bit of error input randomized_normalized_value(inputvalue i,int error){ input in; if(INPUTSIZE==64){ if(i==ONE){ //1 in.rightvalue=ONE; in.data[0]=0; in.data[1]=0; in.data[2]=0; in.data[3]=1; in.data[4]=1; in.data[5]=0;in.data[6]=0; in.data[7]=0; in.data[8]=0; in.data[9]=0; in.data[10]=1; in.data[11]=1;in.data[12]=1; in.data[13]=0; in.data[14]=0; in.data[15]=0; in.data[16]=0; in.data[17]=1;in.data[18]=1; in.data[19]=1; in.data[20]=1; in.data[21]=0; in.data[22]=0; in.data[23]=0; in.data[24]=0; in.data[25]=0; in.data[26]=0; in.data[27]=1; in.data[28]=1; in.data[29]=0;in.data[30]=0; in.data[31]=0; in.data[32]=0; in.data[33]=0; in.data[34]=0; in.data[35]=1; in.data[36]=1; in.data[37]=0;in.data[38]=0;in.data[39]=0; in.data[40]=0; in.data[41]=0; in.data[42]=0; in.data[43]=1; in.data[44]=1; in.data[45]=0; in.data[46]=0;in.data[47]=0; in.data[48]=0; in.data[49]=0; in.data[50]=0; in.data[51]=1; in.data[52]=1; in.data[53]=0; in.data[54]=0;in.data[55]=0; in.data[56]=0; in.data[57]=0; in.data[58]=1; in.data[59]=1; in.data[60]=1; in.data[61]=1; in.data[62]=0;in.data[63]=0; } if(i==LL){ //L in.rightvalue=LL; in.data[0]=1; in.data[1]=1; in.data[2]=0; in.data[3]=0; in.data[4]=0; in.data[5]=0;in.data[6]=0; in.data[7]=0; in.data[8]=1; in.data[9]=1; in.data[10]=0; in.data[11]=0;in.data[12]=0; in.data[13]=0; in.data[14]=0; in.data[15]=0; in.data[16]=1; in.data[17]=1;in.data[18]=0; in.data[19]=0; in.data[20]=0; in.data[21]=0; in.data[22]=0; in.data[23]=0; in.data[24]=1; in.data[25]=1; in.data[26]=0; in.data[27]=0; in.data[28]=0; in.data[29]=0;in.data[30]=0; in.data[31]=0; in.data[32]=1; in.data[33]=1; in.data[34]=0; in.data[35]=0; in.data[36]=0; in.data[37]=0;in.data[38]=0;in.data[39]=0; in.data[40]=1; in.data[41]=1; in.data[42]=0; in.data[43]=0; in.data[44]=0; in.data[45]=0; in.data[46]=0;in.data[47]=0; in.data[48]=1; in.data[49]=1; in.data[50]=0; in.data[51]=0; in.data[52]=0; in.data[53]=0; in.data[54]=0;in.data[55]=1; in.data[56]=1; in.data[57]=1; in.data[58]=1; in.data[59]=1; in.data[60]=1; in.data[61]=1; in.data[62]=1;in.data[63]=1; } if(i==VL){ //V in.rightvalue=VL; in.data[0]=1; in.data[1]=0; in.data[2]=0; in.data[3]=0; in.data[4]=0; in.data[5]=0;in.data[6]=0; in.data[7]=1; in.data[8]=1; in.data[9]=0; in.data[10]=0; in.data[11]=0;in.data[12]=0; in.data[13]=0; in.data[14]=0; in.data[15]=1; in.data[16]=0; in.data[17]=1;in.data[18]=0; in.data[19]=0; in.data[20]=0; in.data[21]=0; in.data[22]=1; in.data[23]=0; in.data[24]=0; in.data[25]=1; in.data[26]=0; in.data[27]=0; in.data[28]=0; in.data[29]=0;in.data[30]=1; in.data[31]=0; in.data[32]=0; in.data[33]=0; in.data[34]=1; in.data[35]=0; in.data[36]=0; in.data[37]=1;in.data[38]=0;in.data[39]=0; in.data[40]=0; in.data[41]=0; in.data[42]=1; in.data[43]=0; in.data[44]=0; in.data[45]=1; in.data[46]=0;in.data[47]=0; in.data[48]=0; in.data[49]=0; in.data[50]=0; in.data[51]=1; in.data[52]=1; in.data[53]=0; in.data[54]=0;in.data[55]=0; in.data[56]=0; in.data[57]=0; in.data[58]=0; in.data[59]=1; in.data[60]=1; in.data[61]=0; in.data[62]=0;in.data[63]=0; } //code used to randimize and normalize the input int k; if(error){ //if the error parameter is set to 0 no error are introduced, to 1 NUM_ERRORS are introduced in the generated input srandomdev(); for(k=0;k<NUM_ERRORS;k++){ long rand=random()%INPUTSIZE; if(in.data[rand]==1) in.data[rand]=0; else in.data[rand]=1; } } int sum=0; for(k=0;k<INPUTSIZE;k++){ sum+=in.data[k]*in.data[k]; } float rad=sqrt(sum); for(k=0;k<INPUTSIZE;k++){ in.data[k] = in.data[k]/rad; } return in; } } /*********************** WEIGHT INIT ***********************/ void init(){ int i,j; for(i=0;i<K_NEURONS;i++){ input training=randomized_normalized_value(i%3,0); for(j=0;j<INPUTSIZE;j++) kohonenlayer[i].weight[j]=GAMMA*training.data[j] + (1-GAMMA)*1/sqrt(INPUTSIZE); } for(i=0;i<OUT_NEURONS;i++){ for(j=0;j<K_NEURONS;j++){ groslayer[i].weight[j]=0; } } } /********************************** SIMULATE THE NETWORK **********************************/ //compute the outcome of the network for the given input void simulatenetwork(input inp){ int i,j; int max=0; for(i=0;i<K_NEURONS;i++){ kohonenlayer[i].z=0; } //propagate input through kohonen layer for(i=0;i<K_NEURONS;i++){ for(j=0;j<INPUTSIZE;j++){ kohonenlayer[i].z += kohonenlayer[i].weight[j]*inp.data[j]; } if(kohonenlayer[max].z<kohonenlayer[i].z) max=i; } //set to 0 all the non winning neurons for(i=0;i<K_NEURONS;i++){ kohonenlayer[i].y=0; } //set to 1 the winning neuron kohonenlayer[max].y=1; //compute the output of the out layer for(i=0;i<OUT_NEURONS;i++){ groslayer[i].z = groslayer[i].weight[max]; if(groslayer[i].z>TH) groslayer[i].y=1; else groslayer[i].y=0; } } /*********************************** CONVERSION BIT->VALUE ************************************/ //simply return the value computed by the network in an inputvalue format inputvalue result(){ if(groslayer[0].y==0 && groslayer[1].y==1 ){ return VL; } if(groslayer[0].y==1 && groslayer[1].y==1 ){ return ONE; } if(groslayer[0].y==1 && groslayer[1].y==0 ){ return LL; } printf("r: UN "); return UNKNOWN; } /********************************* SET WEIGHT *********************************/ //modify the weight of every neurons trying to minimized the error on the output void setweight(input training){ int i,j; //set weight of the winner for(i=0;i<K_NEURONS;i++){ for(j=0;j<INPUTSIZE;j++){ if(kohonenlayer[i].y==1) kohonenlayer