%Double_CVNN
%運用輸入層-隱含層-輸出層的BP算法結構，隱層、輸出層的激勵函數都為1/（1+exp（x））
%采用梯度下降算法進行訓練
clear?all;
clc
load?GestData;
%inputs=rand（1100）+i*rand（1100）;
%targets=inputs.^2;
N=size（inputs2）/2;
IN=size（inputs1）;
HN=10;
ON=size（targets1）;
input=inputs（:1:260）;
output=targets（:1:260）;
Pre_err=0.2;
traintimes=5000;
%?對各個參數進行初始化
W=rand（HNIN‘double‘）-0.5+i*（rand（HNIN‘double‘）-0.5）;
V=rand（ONHN）-0.5+i*（rand（ONHN）-0.5）;

output=exp（i*pi/2*targets）;

IH=zeros（NHN）;
OH=zeros（NHN）;
seta=（rand（NHN）-0.5）+i*（rand（NHN）-0.5）;%隱層閾值
IO=zeros（NON）;
OO=zeros（NON）;
gama=（rand（NON）-0.5）+i*（rand（NON）-0.5）;%輸出層閾值
e_err=zeros（NHN）;
delat_w=zeros（ONIN）;
study_number=1;

abs_err=zeros（ONN）;
J=zeros（traintimes1）;
up=0;
gi_r=ones（traintimes1）;
gi_i=ones（traintimes1）;
max