预定义常量

以下常量由此扩展定义，并且仅在扩展已编译到 PHP 中或在运行时动态加载时可用。

训练算法

FANN_TRAIN_INCREMENTAL (int)

标准反向传播算法，其中权重在每个训练模式后更新。这意味着权重在单个周期内更新多次。由于这个原因，某些问题将使用此算法非常快速地进行训练，而其他更高级的问题将无法很好地训练。

FANN_TRAIN_BATCH (int)

标准反向传播算法，其中权重在计算整个训练集的均方误差后更新。这意味着权重在每个周期中仅更新一次。由于这个原因，某些问题将使用此算法训练得更慢。但由于均方误差的计算比增量训练更准确，因此某些问题将使用此算法获得更好的解决方案。

FANN_TRAIN_RPROP (int)

一种更高级的批量训练算法，可以为许多问题获得良好的结果。RPROP 训练算法是自适应的，因此不使用 learning_rate。但是，可以设置一些其他参数来更改 RPROP 算法的工作方式，但这仅推荐给了解 RPROP 训练算法工作原理的用户。RPROP 训练算法由 [Riedmiller 和 Braun，1993] 描述，但此处使用的实际学习算法是 iRPROP- 训练算法，由 [Igel 和 Husken，2000] 描述，它是标准 RPROP 训练算法的一种变体。

FANN_TRAIN_QUICKPROP (int)

一种更高级的批量训练算法，可以为许多问题获得良好的结果。quickprop 训练算法使用 learning_rate 参数以及其他更高级的参数，但仅建议更改这些高级参数，供了解 quickprop 训练算法工作原理的用户使用。quickprop 训练算法由 [Fahlman，1988] 描述。

FANN_TRAIN_SARPROP (int)

更高级的训练算法。仅适用于 2.2 版

激活函数

FANN_LINEAR (int)

线性激活函数。

FANN_THRESHOLD (int)

阈值激活函数。

FANN_THRESHOLD_SYMMETRIC (int)

阈值激活函数。

FANN_SIGMOID (int)

S型激活函数。

FANN_SIGMOID_STEPWISE (int)

S型的分段线性逼近。

FANN_SIGMOID_SYMMETRIC (int)

对称S型激活函数，又称 tanh。

FANN_SIGMOID_SYMMETRIC_STEPWISE (int)

对称S型的分段线性逼近

FANN_GAUSSIAN (int)

高斯激活函数。

FANN_GAUSSIAN_SYMMETRIC (int)

对称高斯激活函数。

FANN_GAUSSIAN_STEPWISE (int)

分段高斯激活函数。

FANN_ELLIOT (int)

David Elliott 定义的快速（类似S型）激活函数。

FANN_ELLIOT_SYMMETRIC (int)

David Elliott 定义的快速（对称S型类似）激活函数。

FANN_LINEAR_PIECE (int)

有界线性激活函数。

FANN_LINEAR_PIECE_SYMMETRIC (int)

有界线性激活函数。

FANN_SIN_SYMMETRIC (int)

周期性正弦激活函数。

FANN_COS_SYMMETRIC (int)

周期性余弦激活函数。

FANN_SIN (int)

周期性正弦激活函数。

FANN_COS (int)

周期性余弦激活函数。

训练期间使用的误差函数

FANN_ERRORFUNC_LINEAR (int)

标准线性误差函数。

FANN_ERRORFUNC_TANH (int)

Tanh 误差函数；通常更好，但可能需要较低的学习率。此误差函数积极地针对与所需差异很大的输出，而不针对仅略有差异的输出。不推荐用于级联或增量训练。

训练期间使用的停止条件

FANN_STOPFUNC_MSE (int)

停止条件是均方误差 (MSE) 值。

FANN_STOPFUNC_BIT (int)

停止条件是失败的位数。位数是指输出神经元与位失败限制（参见 fann_get_bit_fail_limit、fann_set_bit_fail_limit）差异超过的次数。位数在所有训练数据中计算，因此此数字可能高于训练数据数。

fann_get_network_type()使用的网络类型定义

FANN_NETTYPE_LAYER (int)

每一层仅与下一层连接。

FANN_NETTYPE_SHORTCUT (int)

每一层都与所有后续层连接

错误

FANN_E_NO_ERROR (int)

没有错误。

FANN_E_CANT_OPEN_CONFIG_R (int)

无法打开配置文件进行读取。

FANN_E_CANT_OPEN_CONFIG_W (int)

无法打开配置文件进行写入。

FANN_E_WRONG_CONFIG_VERSION (int)

配置文件的版本错误。

FANN_E_CANT_READ_CONFIG (int)

从配置文件读取信息时出错。

FANN_E_CANT_READ_NEURON (int)

从配置文件读取神经元信息时出错。

FANN_E_CANT_READ_CONNECTIONS (int)

从配置文件读取连接时出错。

FANN_E_WRONG_NUM_CONNECTIONS (int)

连接数与预期数量不符。

FANN_E_CANT_OPEN_TD_W (int)

无法打开训练数据文件进行写入。

FANN_E_CANT_OPEN_TD_R (int)

无法打开训练数据文件进行读取。

FANN_E_CANT_READ_TD (int)

从文件读取训练数据时出错。

FANN_E_CANT_ALLOCATE_MEM (int)

无法分配内存。

FANN_E_CANT_TRAIN_ACTIVATION (int)

无法使用所选的激活函数进行训练。

FANN_E_CANT_USE_ACTIVATION (int)

无法使用所选的激活函数。

FANN_E_TRAIN_DATA_MISMATCH (int)

两个 fann_train_data 结构体之间存在无法调和的差异。

FANN_E_CANT_USE_TRAIN_ALG (int)

无法使用所选的训练算法。

FANN_E_TRAIN_DATA_SUBSET (int)

尝试获取不在训练集内的子集。

FANN_E_INDEX_OUT_OF_BOUND (int)

索引超出范围。

FANN_E_SCALE_NOT_PRESENT (int)

缩放参数不存在。

FANN_E_INPUT_NO_MATCH (int)

神经网络中的输入神经元数量与数据中的不匹配。

FANN_E_OUTPUT_NO_MATCH (int)

神经网络中的输出神经元数量与数据中的不匹配。