编译：
sourceforge上的FANN库带VS2010的工程，我机器上装的VS2005，用不了，愁人，只能手动创建工程了，编译不过，度娘不管用，翻墙麻烦，用雅虎搜到一个工程的创建配置，调整配置试一下，果然好用，在这里备份一下：
1) 创建一个工程，可以叫"vs2005test".包含所有的库文件(.h和.c)，除了这几个文件(这点很重要)： floatfann.h, floatfann.c, fixedfann.h, fixedfann.c, doublefann.h , doublefann.c。
2) "工程属性 -> C/C++ -> 常规 ->附加包含目录"添加include路径。
3) 添加预处理器定义: (工程属性->C/C++ -> 预处理器 -> 预处理器定义)
_CRT_SECURE_NO_WARNINGS
_USRDLL
FANN_DLL_EXPORTS
WIN32
_WINDOWS
_DEBUG
_CRT_SECURE_NO_DEPRECATE
4) 配置 工程属性 -> 常规 -> 配置类型 = 动态库 (.dll)
5) 编译.ok!
测试：
调试的话，再建个控制台工程，包含该dll和库，添加main.cpp，测试代码如下：
#include <stdio.h>
#include "floatfann.h"
int main()
{
printf("Please Enter Command:("t":Train,"c":Calculate,"v":Verification.) ");
char c = getchar();
if('t' == c)
{
const unsigned int num_input = 2;
const unsigned int num_output = 1;
const unsigned int num_layers = 3;
const unsigned int num_neurons_hidden = 1024;
const float desired_error = (const float) 0.001;
const unsigned int max_epochs = 500000;
const unsigned int epochs_between_reports = 1000;
struct fann *ann = fann_create_standard(num_layers, num_input, num_neurons_hidden, num_output);
//fann_set_activation_function_hidden(ann, FANN_SIGMOID_SYMMETRIC);
//fann_set_activation_function_output(ann, FANN_SIGMOID_SYMMETRIC);
fann_train_on_file(ann, "train.data", max_epochs, epochs_between_reports, desired_error);
fann_save(ann, "test.net");
fann_destroy(ann);
}
else if('c' == c)
{
fann_type *calc_out;
fann_type input[2];
struct fann *ann = fann_create_from_file("test.net");
input[0] = 1;
input[1] = 1;
calc_out = fann_run(ann, input);
printf("xor test (%f,%f) -> %f ", input[0], input[1], calc_out[0]);
fann_destroy(ann);
}
else if('v' == c)
{
struct fann *ann = fann_create_from_file("test.net");
struct fann_train_data *data = fann_read_train_from_file("verification.data");
fann_reset_errstr(reinterpret_cast<struct fann_error *>(ann));
for (int i=0;i != data->num_data;i++)
{
fann_test(ann,data->input[i],data->output[i]);
}
printf("Mean Square Error:%f ",fann_get_errno(reinterpret_cast<struct fann_error *>(ann)));
fann_destroy(ann);
}
return 0;
}
神经网络是个神马？
我理解这种BP神经网络跟生物神经网络完全是两回事，这里的神经网络只是从生物神经网络得到灵感，创建的一种计算机识别技术，通过对训练样本的分析总结出一个分类方法(约等于拟合函数)，然后将输入代入方法求解，此神经网络适用于计算机分类识别等难于用查表、函数拟合等方法实现的领域，比如图像识别，神经网络计算量巨大，2000年前火过一阵，不过随着互联网泡沫一起淹没了，最近换了个更厚的马甲叫深度学习，由于物理硬件性能以及云计算的兴起，这种极耗计算资源的软件方法回归了。
还能干啥？
想用它来做机床误差补偿。