继续用C语言写BP神经网络pid算法

#include <stdio.h> // 训练参数 float learningRate = 0.01; // 学习率 int maxIteration = 1000; // 最大迭代次数 // 权重和偏差初始化为0 float w1 = 0, w2 = 0, b = 0; // 误差函数，输出误差的平方和 float error(float x[], float y[]){ float sumError = 0; // 初始化误差为0 for(int i=0; i<4; i++){ // 循环遍历求取总的误差 float output = w1 * x[i] + w2 * x[i] + b ; // BP神经网络输出公式 sumError += (y[i] - output) * (y[i] - output); // 求取总的误差（y-output）^2 } return sumError / 4.0 ; // 返回平均误差 } // 梯度下降法优化权重w1,w2,b,使得error最小化。 优化的相当于PID中的P部分。把权重看成Kp，error看成Ek-1。通过不断调整Kp使得Ek-1最小。 void gradientDescent(){ for(int j=0; j<maxIteration; j++){ // 最大迭代次数1000次，不断优化权重w1,w2,b以最小话error。 float x[]={3.3 , 4.4 , 5.5 , 6.71}; // 输入x[] y[]={2.5 , 3.5 , 4.5 , 5.9}; // 输出y[] y=wx+b float dw1=0,dw2=0,db=0 ; // 初始化权重对应的导数为零 for(int i=0; i<4 ; i++){ // 遍历计算所有样本对应的导数 dw1 += (w1*x[i]+w2*x[i]+b - y[i])*x[i]; dw2 += (w1*x[i]+w2*x[i]+b - y[i])*x[i]; db += (w1*x