沿革與動機
這個類別從James D. McCaffrey在微軟部落格上的C#開放原始碼修改而來的C++版本。
我的碩士論文原本是使用這個程式碼的C#版本。進公司後為了能夠將過去的研究成果沿用在Linux上，因此必須將NeuralNetwork類別修改成C++版本。
Demo說明
main.cpp 裏面是一個測試範例，對sin(x)在0~2pi之間隨機取樣，讓類神經網路從這些樣本去學習，嘗試訓練成一個能夠在[0,2pi]區間準確regression出sin(X)的神經網路。
NN架構說明
Input Layer: 輸入節點數可以任意設定。
Hidden Layer: 目前限定一層，寬度可以任意設定。
Output Layer: 輸出節點數可以任意設定，此層單純加總，無活化函數
倒傳遞: 採用梯度下降法。
如何修改為Classifier Model？
本類別預設為Regression Model，亦可修改為Classifier Model。
只要把output layer加上活化函數Softmax，輸出數值即可滿足下述兩大機率公設。
Softmax在本類別的成員函式有，直接將輸出傳入即可。
- 0 <= P <= 1
- Σ(P) == 1