預定義常數

以下常數由此擴充套件定義，並且只有在擴充套件已編譯到 PHP 中或在執行時動態載入時才會可用。

訓練演算法

FANN_TRAIN_INCREMENTAL (整數)

標準的反向傳播演算法，其中權重在每個訓練模式後更新。這表示權重在單個 Epoch 期間會更新多次。因此，某些問題使用此演算法會訓練得非常快，而其他更進階的問題則無法很好地訓練。

FANN_TRAIN_BATCH (整數)

標準的反向傳播演算法，在計算整個訓練集的均方誤差後更新權重。這表示在每個 Epoch 中，權重只更新一次。因此，某些問題使用此演算法訓練速度會較慢。但由於均方誤差的計算比增量訓練更準確，某些問題使用此演算法可以得到更好的解。

FANN_TRAIN_RPROP (整數)

一種更進階的批次訓練演算法，在許多問題上都能取得良好的結果。RPROP 訓練演算法是自適應的，因此不使用 learning_rate（學習率）。然而，可以設定其他一些參數來改變 RPROP 演算法的工作方式，但建議只有深入了解 RPROP 訓練演算法的使用者才進行調整。RPROP 訓練演算法由 [Riedmiller and Braun, 1993] 提出，但這裡實際使用的學習演算法是 iRPROP- 訓練演算法，由 [Igel and Husken, 2000] 提出，它是標準 RPROP 訓練演算法的一種變體。

FANN_TRAIN_QUICKPROP (整數)

一種更進階的批次訓練演算法，在許多問題上都能取得良好的結果。quickprop 訓練演算法使用 learning_rate（學習率）參數以及其他更進階的參數，但建議只有深入了解 quickprop 訓練演算法的使用者才更改這些進階參數。quickprop 訓練演算法由 [Fahlman, 1988] 提出。

FANN_TRAIN_SARPROP (整數)

更進階的訓練演算法。僅適用於 2.2 版。

激活函數

FANN_LINEAR (整數)

線性激活函數。

FANN_THRESHOLD (整數)

閾值激活函數。

FANN_THRESHOLD_SYMMETRIC (整數)

閾值激活函數。

FANN_SIGMOID (整數)

Sigmoid 激活函數。

FANN_SIGMOID_STEPWISE (整數)

Sigmoid 的階梯線性近似。

FANN_SIGMOID_SYMMETRIC (整數)

對稱 Sigmoid 激活函數，又稱為 tanh。

FANN_SIGMOID_SYMMETRIC_STEPWISE (整數)

對稱 Sigmoid 的階梯線性近似。

FANN_GAUSSIAN (整數)

高斯激活函數。

FANN_GAUSSIAN_SYMMETRIC (整數)

對稱高斯激活函數。

FANN_GAUSSIAN_STEPWISE (整數)

階梯高斯激活函數。

FANN_ELLIOT (整數)

由 David Elliott 定義的快速（類似 Sigmoid）激活函數。

FANN_ELLIOT_SYMMETRIC (整數)

由 David Elliott 定義的快速（類似對稱 Sigmoid）激活函數。

FANN_LINEAR_PIECE (整數)

有界線性激活函數。

FANN_LINEAR_PIECE_SYMMETRIC (整數)

有界線性激活函數。

FANN_SIN_SYMMETRIC (整數)

週期性正弦激活函數。

FANN_COS_SYMMETRIC (整數)

週期性餘弦激活函數。

FANN_SIN (整數)

週期性正弦激活函數。

FANN_COS (整數)

週期性餘弦激活函數。

訓練期間使用的錯誤函數

FANN_ERRORFUNC_LINEAR (整數)

標準線性誤差函數。

FANN_ERRORFUNC_TANH (整數)

Tanh 誤差函數；通常效果更好，但可能需要較低的學習率。此誤差函數積極鎖定與預期值差異很大的輸出，而不會鎖定差異很小的輸出。不建議用於串接或增量訓練。

訓練期間使用的停止條件

FANN_STOPFUNC_MSE (整數)

停止條件為均方誤差 (MSE) 值。

FANN_STOPFUNC_BIT (整數)

停止條件為失敗的位元數。位元數是指輸出神經元與位元失敗限制（參見 fann_get_bit_fail_limit、fann_set_bit_fail_limit）相差超過的數量。所有訓練資料中的位元都會被計入，因此此數字可能高於訓練資料的數量。

fann_get_network_type() 使用的網路類型定義

FANN_NETTYPE_LAYER (整數)

每一層都只與下一層連接。

FANN_NETTYPE_SHORTCUT (整數)

每一層都與所有後續層連接。

錯誤

FANN_E_NO_ERROR (整數)

沒有錯誤。

FANN_E_CANT_OPEN_CONFIG_R (整數)

無法開啟設定檔以進行讀取。

FANN_E_CANT_OPEN_CONFIG_W (整數)

無法開啟設定檔以進行寫入。

FANN_E_WRONG_CONFIG_VERSION (整數)

設定檔版本錯誤。

FANN_E_CANT_READ_CONFIG (整數)

從設定檔讀取資訊時發生錯誤。

FANN_E_CANT_READ_NEURON (整數)

從設定檔讀取神經元資訊時發生錯誤。

FANN_E_CANT_READ_CONNECTIONS (整數)

從設定檔讀取連線資訊時發生錯誤。

FANN_E_WRONG_NUM_CONNECTIONS (整數)

連線數量與預期數量不符。

FANN_E_CANT_OPEN_TD_W (整數)

無法開啟訓練資料檔案以進行寫入。

FANN_E_CANT_OPEN_TD_R (整數)

無法開啟訓練資料檔案以進行讀取。

FANN_E_CANT_READ_TD (整數)

從檔案讀取訓練資料時發生錯誤。

FANN_E_CANT_ALLOCATE_MEM (整數)

無法配置記憶體。

FANN_E_CANT_TRAIN_ACTIVATION (整數)

無法使用選定的激活函數進行訓練。

FANN_E_CANT_USE_ACTIVATION (整數)

無法使用選定的激活函數。

FANN_E_TRAIN_DATA_MISMATCH (整數)

兩個 fann_train_data 結構之間存在無法調和的差異。

FANN_E_CANT_USE_TRAIN_ALG (整數)

無法使用選定的訓練演算法。

FANN_E_TRAIN_DATA_SUBSET (整數)

嘗試取得訓練集範圍外的子集。

FANN_E_INDEX_OUT_OF_BOUND (整數)

索引超出範圍。

FANN_E_SCALE_NOT_PRESENT (整數)

缺少縮放參數。

FANN_E_INPUT_NO_MATCH (整數)

人工神經網路和資料的輸入神經元數量不符。

FANN_E_OUTPUT_NO_MATCH (整數)

人工神經網路和資料的輸出神經元數量不符。