CANN (C++ Artificial Neural Network) 是一个用C++实现的人工神经网络库，提供了完整的神经网络构建、推理和文件操作功能。该项目采用面向对象的设计模式，支持多层前馈神经网络的创建和管理，并在main.cpp中提供了一个简单的示例程序，演示了如何使用该库进行神经网络的构建和推理。
- 版本: v1.2
- 开发者: zgdllt
- 开发日期: 2025年7月13日 - 2025年7月30日
- 支持平台: Windows (x64)
- 编译器: Clang 20.1.8 with x86_64-pc-windows-msvc
- C++标准: C++14
CANN/
├── README.md # 项目说明文档
├── version.txt # 版本信息
├── main.cpp # 主程序入口
├── 核心类文件/
│ ├── Network.hpp/cpp # 神经网络主类
│ ├── Layer.hpp/cpp # 网络层类
│ ├── Neuron.hpp/cpp # 神经元类
│ ├── Soma.hpp/cpp # 细胞体类
│ └── Synapse.hpp/cpp # 突触类
├── 功能模块/
│ ├── ActivationFunc.hpp/cpp # 激活函数类
│ ├── ANNFilePorter.hpp/cpp # ANN文件导入导出类
│ └── FilePorter.hpp # 文件操作基类
├── 示例文件/
│ ├── simple.ANN # 示例神经网络文件
│ └── output.ANN # 输出文件
# 使用Clang编译器
clang++ -std=c++14 -Wall -o main.exe *.cpp
# 或使用GCC编译器
g++ -std=c++14 -Wall -o main.exe *.cpp
# 直接运行主程序
./main.exe
# 或在Windows PowerShell中, 使用UTF-8编码设置以避免中文显示错误
[Console]::OutputEncoding = [System.Text.Encoding]::UTF8
./main.exe
Network类是整个神经网络的核心管理类，负责网络的构建、层管理、前向传播等功能。
Network(); // 默认构造函数
Network(const Network& other); // 拷贝构造函数
Network& operator=(const Network& other); // 赋值运算符重载// 添加网络层
void addLayer(Layer* layer);
void addLayer(int index); // 在指定位置添加层
// 添加神经元
void addNeuron(int layerIndex, double bias = 0.0, int activationType = 0);
// 删除操作
void deleteLayer(int index); // 删除指定层
void deleteNeuron(int layerIndex, int neuronIndex); // 删除指定神经元// 前向传播 - 核心推理方法
std::vector<std::vector<double>> forward(const std::vector<double>& inputs);// 权重设置
void setWeights(int layerIndex = 0, const std::vector<std::vector<double>>& weights = {});
// 网络验证
bool isValid() const; // 检查网络结构是否有效
// 网络信息
void setName(const std::string& name); // 设置网络名称
std::string getName() const; // 获取网络名称// 获取网络组件
const Layer* getLayer(int index) const; // 获取指定层
const std::list<Layer*>& getLayers() const; // 获取所有层
int getLayerCount() const; // 获取层数
// 显示信息
void showInfo() const; // 显示网络整体信息
void showLayer(int index) const; // 显示指定层信息
void showLayers() const; // 显示所有层信息Layer类管理神经网络中的一层神经元，提供层级连接、神经元管理、权重设置等功能。
Layer(int index = 0, int neuronCount = 0,
std::vector<double> biases = std::vector<double>(),
int activationFunctionType = 0);void addNeuron(const Neuron& neuron); // 添加神经元
void deleteNeuron(int index); // 删除神经元
const std::vector<Neuron>& getNeurons() const; // 获取所有神经元
const Neuron& getNeuron(int index) const; // 获取指定神经元
int getNeuronCount() const; // 获取神经元数量void connectTo(Layer* nextLayer); // 连接到下一层
void disconnect(); // 断开连接
void disconnectFrom(); // 断开与前一层的连接
Layer* getPreviousLayer() const; // 获取前一层
Layer* getNextLayer() const; // 获取下一层
bool isConnectedTo(const Layer& other) const; // 检查是否连接void setInput(const std::vector<double>& input); // 设置输入（仅第一层）
void updateOutputs(); // 更新所有神经元输出
std::vector<double> getOutputs() const; // 获取层输出
void setWeights(const std::vector<std::vector<double>>& weights); // 设置权重Neuron类继承自Soma类，实现神经网络中的单个神经元功能。
Neuron(std::vector<Synapse*> pre = {},
double bias = 0.0,
int activationFunctionType = 0,
int layerIndex = 0,
int idx = 0);void connectTo(Neuron* other, double weight = 1.0); // 连接到其他神经元
void disconnectTo(Neuron* other); // 断开连接
bool isConnectedTo(const Neuron& other) const; // 检查连接状态
void showConnections() const; // 显示连接信息std::vector<double> getWeights() const; // 获取权重
void setWeights(const std::vector<double>& weights); // 设置权重
void setWeight(int index, double weight); // 设置单个权重void updateInput(); // 更新输入信号
void updateOutput() override; // 更新输出信号int getIndex() const; // 获取神经元索引
int getLayerIndex() const; // 获取层索引
void setLayerIndex(int newLayerIndex); // 设置层索引
void setIndex(int newIndex); // 设置索引
void setBias(double newBias); // 设置偏置提供神经网络中常用的激活函数实现。
static double sigmoid(double x); // Sigmoid函数: 1/(1+e^-x)
static double tanh(double x); // 双曲正切函数: tanh(x)
static double relu(double x); // ReLU函数: max(0,x)
static double linear(double x); // 线性函数: x (默认)0: Linear (线性函数，默认)1: Sigmoid2: Tanh (双曲正切)3: ReLU
ANNImporter(const std::string& filename);
Network import(); // 从ANN文件导入网络ANNExporter(const std::string& filename);
void exportNetwork(const Network& network); // 导出网络到ANN文件ANN文件采用文本格式，使用特定的标记来定义网络结构：
# 注释行以#开头
G NetworkName # G: 网络名称
N bias activationType # N: 神经元定义（偏置值 激活函数类型）
L startIndex endIndex # L: 层定义（起始神经元索引 结束神经元索引）
S fromNeuron toNeuron weight # S: 突触连接（源神经元 目标神经元 权重）
# simple.ANN
G RotationNetwork
# Six Neurons: zero bias, without activation function
N 0.0 0
N 0.0 0
N 0.0 0
N 0.0 0
N 0.0 0
N 0.0 0
# Layer 0: Neuron 0 to 2
L 0 2
# Layer 1: Neuron 3 to 5
L 3 5
# Neuron 0 to 2: has one Dendrite
S -1 0 1.0
S -1 1 1.0
S -1 2 1.0
# Neuron 3 to 5: has one Axon
S 3 -1 1.0
S 4 -1 1.0
S 5 -1 1.0
# Dendrites from Neuron 0 to Neuron 3~5
S 0 3 0.3536
S 0 4 -0.5732
S 0 5 0.7392
# 更多连接...
#include "ANNFilePorter.hpp"
#include "Network.hpp"
// 导入网络
ANNImporter importer("simple.ANN");
Network network = importer.import();
// 查看网络信息
network.showInfo();// 准备输入数据
std::vector<double> inputs = {0.5, 0.8, 0.3};
// 执行前向传播
auto outputs = network.forward(inputs);
// 获取最终输出
auto finalOutput = outputs.back();// 创建新网络
Network network;
// 创建第一层（输入层）
std::vector<double> biases1 = {0.0, 0.0, 0.0};
Layer* layer1 = new Layer(0, 3, biases1, 0);
network.addLayer(layer1);
// 创建第二层（输出层）
std::vector<double> biases2 = {0.0, 0.0};
Layer* layer2 = new Layer(1, 2, biases2, 1); // 使用sigmoid激活函数
network.addLayer(layer2);
// 设置权重
std::vector<std::vector<double>> weights = {
{0.5, 0.3, 0.2}, // 第一个神经元的权重
{0.4, 0.6, 0.1} // 第二个神经元的权重
};
network.setWeights(1, weights);// 导出到文件
ANNExporter exporter("output.ANN");
exporter.exportNetwork(network);// 向网络添加新层
network.addLayer(2); // 在位置2添加新层
// 向指定层添加神经元
network.addNeuron(1, 0.5, 1); // 层索引1，偏置0.5，sigmoid激活函数// 删除层
network.deleteLayer(2);
// 删除神经元
network.deleteNeuron(1, 0); // 删除第1层的第0个神经元// 查看整体信息
network.showInfo();
// 查看特定层
network.showLayer(0);
// 查看神经元连接
network.getLayer(0)->getNeuron(0).showConnections();在Windows PowerShell中运行时，建议设置UTF-8编码以避免显示错误：
[Console]::OutputEncoding = [System.Text.Encoding]::UTF8- 网络析构时会自动释放所有层和神经元的内存
- 避免手动删除Layer*指针，由Network类管理
- 所有公共接口都包含参数验证
- 使用异常处理机制报告错误
- 建议在生产环境中添加try-catch块
- 在
ActivationFunc类中添加新的静态方法 - 更新激活函数类型枚举
- 在
Soma::updateOutput()中添加新的case
- 继承
FilePorter基类 - 实现相应的导入/导出逻辑
- 按照现有的ANNFilePorter模式组织代码
当前版本主要支持推理，可以扩展添加：
- 反向传播算法
- 梯度下降优化器
- 损失函数计算
- 训练循环管理
-
v1.0 (2025-07-24): 初始版本发布
- 完整的神经网络构建和推理功能
- ANN文件格式支持
- 多种激活函数支持
- 网络结构动态修改功能
- 完整的API文档
-
开发时间：2025年7月13日 - 2025年7月24日