C++错误，error C2059: syntax error : ']'
解决时间 2021-12-31 16:40
- 提问者网友：献世佛
- 2021-12-30 16:26
#include
#include
using namespace std;
void selectionsort1(int A[],int n)
{
for(int i=0;i<=n-2;i++)
{
int min=i;
for(int j=i+1;j<=n-1;j++)
{
if(A[j] }
swap(A[i],A[min]);
}
}
void main()
{
int A[10];
cout<<"请输入10个元素的序列;"<<"\n";
for(int i=0;i<10;i++)
{
cin>>A[i];
}
selectionsort1(A[],10);
for(int k=0;k<10;k++)
{
cout< }
}最佳答案
- 五星知识达人网友：独行浪子会拥风
- 2021-12-30 16:34
selectionsort1(A[],10);
改为selectionsort1(A,10);
只传数组名
全部回答
- 1楼网友：duile
- 2021-12-30 17:38
// s:~ c++函数必须有返回类型，我这边编译有错所以在你那几个没返回类型但函数里有return 1的函数都设置了返回类型为int
#include "iostream.h"
#include "iomanip.h"
#include "stdio.h"
#include<stdlib.h>
#include<math.h>
#define n 20 //学习样本个数
#define in 1 //输入层神经元数目
#define hn 8 //隐层神经元数目
#define on 1 //输出层神经元数目
double p[in]; //单个样本输入数据
double t[on]; //单个样本教师数据
double w[hn][in]; //输入层至隐层权值
double v[on][hn]; //隐层至输出层权值
double x[hn]; //隐层的输入
double y[on]; //输出层的输入
double h[hn]; //隐层的输出
double o[on]; //输出层的输出
double sita[hn]; //隐层的阈值
double gama[on]; //输出层的阈值
double err_m[n]; //第m个样本的总误差
double alpha; //输出层至隐层的学习效率
double beta; //隐层至输入层学习效率
//定义一个放学习样本的结构
struct{
double input[in];
double teach[on];
}study_data[n][in];
///////////////////////////
//初始化权、阈值子程序/////
///////////////////////////
int initial()
{
float sgn;
float rnd;
int i,j;
//隐层权、阈值初始化//
{
//sgn=pow((-1),random(100));
sgn=rand();
rnd=sgn*(rand()%100);
w[j][i]= rnd/100;//隐层权值初始化。
}
//randomize();
{
//sgn=pow((-1),random(1000));
sgn=rand();
rnd=sgn*(rand()%1000);
sita[j]= rnd/1000;//中间层阈值初始化
cout<<"sita"<<sita[j]<<endl;
}
//输出层权、阈值初始化//
//randomize();
for (int k=0;k<on;k++) { // ☆这对大括号有没有必要加根据你的逻辑自行修改
for (int j=0;j<hn;j++)
{
//sgn=pow((-1),random(1000));
sgn=rand();
rnd=sgn*(rand()%1000);
v[k][j]=rnd/1000;//第m个样本输出层权值初始化
}
//randomize();
{
//sgn=pow((-1),random(10));
sgn=rand();
rnd=sgn*(rand()%10);
gama[k]=rnd/10;//输出层阈值初始化
cout<<"gama[k]"<<endl; // ☆ 不加括号的话，问题在于这里的k已经出了声明它的for循环体
}
} // ☆
return 1;
}//子程序initial()结束
////////////////////////////////
//// 第m个学习样本输入子程序///
///////////////////////////////
int input_p(int m)
{
for (int i=0;i<in;i++)
p[i]=study_data[m]->input[i];
//获得第m个样本的数据
//cout<<"第"< //fprintf(fp,"第%d个样本的学习输入：
//p[%d]=%f\n",m,p[i]);
return 1;
}//子程序input_p(m）结束
/////////////////////////////
////第m个样本教师信号子程序//
/////////////////////////////
int input_t(int m)
{
for (int k=0;k<m;k++)
t[k]=study_data[m]->teach[k];
//cout<<"第"< //fprintf(fp,"第%d个样本的教师信号：t[%d]=%f\n",m,t[k]);
return 1;
}// 子程序input_t(m)结束
/////////////////////////////////
//隐层各单元输入、输出值子程序///
/////////////////////////////////
int h_i_o()
{
double sigma;
int i,j;
for (j=0;j<hn;j++)
{
sigma=0.0;
for (i=0;i<in;i++)
sigma+=w[j][i]*p[i];//求隐层内积
x[j]=sigma - sita[i];//求隐层净输入
h[j]=1.0/(1.0+exp(-x[j]));//求隐层输出
}
return 1;
}//子程序 h_i_o()结束
///////////////////////////////////
//输出层各单元输入、输出值子程序///
///////////////////////////////////
int o_i_o()
{
double sigma;
for (int k=0;k<on;k++)
{
sigma=0.0;
for (int j=0;j<hn;j++)
sigma+=v[k][j]*h[k];//求输出层内积
y[k]=sigma-gama[k]; //求输出层净输入
o[k]=1.0/(1.0+exp(-y[k]));//求输出层输出
}
return 1;
}//子程序 o_i_o()结束
////////////////////////////////////
//输出层至隐层的一般化误差子程序////
////////////////////////////////////
double d_err[on];
int err_o_h(int m)
{
double abs_err[on];//每个样本的绝对误差都是从0开始的
double sqr_err=0;//每个样本的平方误差计算都是从0开始的
//for (int output=0;output<on;output++) //output???
for (int k=0;k<on;k++)
{
abs_err[k]=t[k]-o[k];
//求第m个样本下的第k个神经元的绝对误差
sqr_err+=(abs_err[k])*(abs_err[k]);//求第m个样本下输出层的平方误差
d_err[k]=abs_err[k]*o[k]*(1.0-o[k]);//d_err[k]输出层各神经元的一般化误差
err_m[m]=sqr_err/2;//第m个样本下输出层的平方误差/2=第m个样本的均方误差
}
return 1;
}// 子程序err_o_h(m)结束
////////////////////////////////////
//隐层至输入层的一般化误差子程序////
////////////////////////////////////
double e_err[hn];
int err_h_i()
{
double sigma;
//for (int hidden=0;hidden
for (int j=0;j<hn;j++)
{
sigma=0.0;
for (int k=0;k<on;k++)
sigma=d_err[k]*v[k][j];
e_err[j]=sigma*h[j]*(1-h[j]);//隐层各神经元的一般化误差
}
return 1;
}// 子程序err_h_i()结束
////////////////////////////////////////////////////////
//输出层至隐层的权值调整、输出层阈值调整计算子程序//////
////////////////////////////////////////////////////////
int delta_o_h(int m,file* fp)
{
for (int k=0;k<on;k++)
{
for (int j=0;j<hn;j++)
//cout<<"第"< fprintf(fp,"第%d个样本时的输出层至隐层的权值为：%f\n",m,w[k][j]);
v[k][j]+=alpha*d_err[k]*h[j];//输出层至隐层的权值调整
gama[k]+=alpha*d_err[k];//输出层至隐层的阈值调整
}
return 1;
}//子程序 delta_o_h()结束
/////////////////////////////////////////////////////
//隐层至输入层的权值调整、隐层阈值调整计算子程序/////
/////////////////////////////////////////////////////
int delta_h_i(int m,file* fp)
{
for (int j=0;j<hn;j++)
{
for (int i=0;i<in;i++)
//cout<<"第"< fprintf(fp,"第%d个样本时的输出层至隐层的权值为：%f\n",m,v[j][i]);
w[j][i]+=beta*e_err[j]*p[i];//隐层至输入层的权值调整
sita[j]+=beta*e_err[j];
}
return 1;
}//子程序delta_h_i()结束
/////////////////////////////////
//n个样本的全局误差计算子程序////
/////////////////////////////////
double err_sum()
{
double total_err=0;
for (int m=0;m<n;m++)
{
total_err+=err_m[m];//每个样本的均方误差加起来就成了全局误差
}
return 1;
}//子程序err_sum()结束
int main()
{
file *fp;
double sum_err;
double total_err;
if ((fp=fopen("bp.txt","a+"))==null)
{
printf("不能创建bp.txt文件!\n");
exit(1);
}
cout<<"请输入输出层到隐含层学习效率: alpha=\n";
cin>>alpha;
cout<<"请输入隐含层到输入层学习效率: beta=\n";
cin>>beta;
int study=0; //学习次数
double pre_error ; //预定误差
cout<<"请输入预定误差: pre_error= \n";
cin>>pre_error;
int pre_times;
cout<<"请输入预定最大学习次数:pre_times=\n";
cin>>pre_times;
cout<<"请输入学习样本数据\n";
{
for (int m=0;m<n;m++) {
cout<<"请输入第"<<m+1<<"组学习样本"<<endl;
for (int i=0;i<in;i++)
cin>>study_data[m]->input[i];
}
}
cout<<"请输入教师样本数据\n";
{
for (int m=0;m<n;m++) {
cout<<"请输入第"<<m+1<<"组教师样本"<<endl;
for (int k=0;k<on;k++)
cin>>study_data[m]->teach[k];
}
}
initial(); //隐层、输出层权、阈值初始化 (1)
do
{
++study; ///???
for (int m=0;m<n;m++)
{
input_p(m); //输入第m个学习样本 (2)
input_t(m);//输入第m个样本的教师信号 (3)
h_i_o(); //第m个学习样本隐层各单元输入、输出值 (4)
o_i_o(); //第m个学习样本输出层各单元输入、输出值 (5)
err_o_h(m); //第m个学习样本输出层至隐层一般化误差 (6)
err_h_i(); //第m个学习样本隐层至输入层一般化误差 (7)
delta_o_h(m,fp); //第m个学习样本输出层至隐层权阈值调整、修改 (8)
delta_h_i(m,fp); //第m个学习样本隐层至输入层权阈值调整、修改 (9)
} //全部样本训练完毕
sum_err=err_sum(); //全部样本全局误差计算 (10)
{
cout<<"第"<<study<<"次学习的均方误差为"<<sum_err<<endl;
fprintf(fp,"第%d次学习的均方误差为：%f\n",study,sum_err);
}
while (sum_err > pre_error) //or(study
{ //n个样本全局误差小于预定误差否？ 小于则退出 (11)
cout<<"网络已经学习了"<<study<<"次,学习的均方误差为"<<sum_err<<endl;
fprintf(fp,"网络已经学习了%d次，现在的全局误差为：%f\n",study,total_err);
fclose(fp);
}
char s;
cout<<"请随便输入一个字符，按回车退出程序！\n";
cin>>s;
return 1;
} while(1); // ☆ do-while没有while，具体条件是什么根据自己的需要修改
}
我要举报
大家都在看
推荐资讯