步骤4,5完成

.gitignore

@@ -1,3 +1,5 @@
 *.*~
 *.out
 *.exe
+*.txt
+tags

main.c

@@ -175,15 +175,15 @@ void init(){
         /*为隐藏层节点 i 分配了一个 double 类型的数组，用于存储该节点向下一层节点传播的权重。
         使用malloc 函数在堆内存中分配足够的空间，以存储 OUTNODE 个 double 类型的权重值。
         */
-        hideLayer[i].weight = 
+        hideLayer[i].weight = (double *)malloc(sizeof(double) * OUTNODE);
         /*为隐藏层节点 i 分配了一个用于存储权重修正值的数组。这个数组将在神经网络的训练过程中用于存储权重的更新值。
         使用malloc 函数在堆内存中分配足够的空间，以存储 OUTNODE 个 double 类型的权重值。
         */
-        hideLayer[i].weight_delta =
+        hideLayer[i].weight_delta = (double *)malloc(sizeof(double) * OUTNODE);
         /*为隐藏层节点 i 初始化了一个随机的偏置值。
         这个值通常是一个在 -1.0 到 1.0 之间的随机数，用于调整该节点的激活函数的阈值。
         */
-        hideLayer[i].bias = 
+        hideLayer[i].bias = rand() % 2 - 1;
         /*初始化了隐藏层节点 i 的偏置值修正值，初始值为0.0。*/
         hideLayer[i].bias_delta = 0.0;
     }
@@ -263,15 +263,15 @@ int main() {
                 double sum = 0.0;
                 for (int hideLayer_Pos = 0; hideLayer_Pos < HIDENODE; ++hideLayer_Pos) {
                     /*计算每一个隐藏层节点的value和权值的乘积，相加得到sum
-
                     */
+                    sum += hideLayer[hideLayer_Pos].value * hideLayer[hideLayer_Pos].weight[outLayer_Pos];
                 }
                 /*更新sum，使sum减去偏置值;
-
                 */
+                sum -= outLayer[outLayer_Pos].bias;
                 /*利用sigmod函数对得到的sum进行激活，把激活后的结果赋值给对应的输出层节点value(outLayer[outLayer_Pos].value)。
-                
                 */
+                outLayer[outLayer_Pos].value = sigmoid(sum);
             }