README

Pascal-BP-Network 🚀

A backpropagation neural network implemented in pure Pascal.

一个纯 Pascal 语言实现的 BP 神经网络。

This project uses the Concrete Compressive Strength Dataset from the UCI Machine Learning Repository to train and test a neural network model. All the parameters

本项目使用 UCI 机器学习库 中的 混凝土抗压强度数据集 来训练和测试神经网络模型。

This project demonstrates that even with a legacy language/IDE environment, modern performance can be achieved through hardware-specific compiler tuning (AVX2) and logical optimization.

本项目旨在证明，即使是在复古的语言和 IDE 环境下，通过针对硬件的编译调优（AVX2）和逻辑优化，依然能获得现代级别的性能表现。

Notice: All parameters are the result of precision tuning. If you wish to experiment, you can modify the values in the const section of the program.

提示： 程序中的所有参数均为调优后的最佳结果。如需自行调整，请修改程序 const 部分的数值。

---

📊 Performance | 性能表现

Tested on a modern x64 processor with 50,000 epochs | 在现代 x64 处理器上进行 50,000 轮训练测试

Metric (指标)	Details (详情)	Result (结果)
Baseline	Standard 80386 mode (标准模式)	53.546s
Optimized	COREAVX2 + Inline (优化模式)	17.750s
Accuracy	Mean Absolute Error (MAE)	3.5875

---

🖥️ Development Environment | 开发环境

The code was developed and precision-tuned using the classic Free Pascal IDE (FP.EXE).

代码使用经典的 Free Pascal IDE (FP.EXE) 进行开发与精细调优。

• The Setup: A legacy 16-bit-styled skeuomorphic interface running on a modern 64-bit environment.
  在现代 64 位环境下运行的具有 16 位时代风格的拟物化界面。
• The Challenge: Bridging the gap between 1990s IDE aesthetics and 2026 hardware capabilities.
  跨越 20 世纪 90 年代的 IDE 审美与 2026 年硬件性能之间的鸿沟。

---

⚙️ Optimization Notes | 优化说明

To achieve the 17s benchmark, the following settings were configured within the IDE:
为了达到 17 秒的基准成绩，在 IDE 中进行了如下配置：

1. Target Processor (COREAVX2): Enables 256-bit SIMD vectorization.
   目标处理器 (COREAVX2): 开启 256 位 SIMD 向量化指令集。
2. Optimization Level (Level 3): Heuristic optimizations for speed.
   优化等级 (Level 3): 针对速度进行启发式优化。
3. Syntax Switches (Allow inline): Eliminates fastSigmoid call overhead.
   语法开关 (允许内联): 消除 fastSigmoid 函数调用的额外开销。

What's More | 此外：

• Math Logic: Implemented a lookup table to bypass expensive exp() calculations.
  数学逻辑：实现 Sigmoid 查表法，绕过耗时的 exp() 指数运算。

---

📂 Files | 文件说明

• BPNetwork.pas: Core engine source code. (源码)
• Concrete_Data.csv: Training dataset. (训练数据集)
• training_result_sample.txt: A sample output of the 17.75s run. (17.75秒运行结果样本)

---

🛠️ Usage | 使用方法

1. Environment: Keep BPNetwork.pas and Concrete_Data.csv in the same directory.
   确保 BPNetwork.pas 和 Concrete_Data.csv 位于同一目录。
2. Compilation: Compile with FPC (Free Pascal Compiler) and configure optimization settings.
   使用 FPC 编译器并配置优化选项。
3. Execution: Run the executable; results will be saved to Training_result.txt.
   运行程序，结果将自动保存至 Training_result.txt。

---

📜 License | 协议

MIT License

---

Η Pascal είναι η καλύτερη γλώσσα προγραμματισμού στον κόσμο!