C言語での機械学習による結果の精度が上がらないことについて

前提・実現したいこと

初めまして．
現在，C言語を使用してニューラルネットワークを作成しています．
学習にはバックプロパゲーション法を用いております．
入力データtrain_x[DETASET][INPUTNO+1]，教師データd[DETASET][OUTPUTNO]を使用して，学習しましたが値が収束していきません．また，時々下記のエラーが表示されます．下記のソースコードに間違い等あればご指摘承りたいと思います．

発生している問題・エラーメッセージ

Abort trap: 6

該当のソースコード

C
1#include <stdio.h>
2#include <math.h>
3#include <time.h>
4#include <stdlib.h>
5
6#define DETASET 5
7#define INPUTNO 5 //入力層
8#define HIDDENNO 3 //中間層
9#define OUTPUTNO 5 //出力層
10#define SEED 65535 //乱数
11#define EPOCH 10000 //学習回数
12#define ALPHA 0.01 //学習係数
13
14/*******************/
15/* sigmoid()関数    */
16/* シグモイド関数     */
17/*******************/
18double sigmoid(double u) {
19  return (double)1.0/((double)1.0+exp(-u)) ;
20}
21
22/*******************/
23/* d_sigmoid()関数　*/
24/*シグモイド関数の派生*/
25/*******************/
26double d_sigmoid(double x) {
27  return x*((double)1.0-x);
28}
29
30//*********************/
31/*    initwh()関数     */
32/*　中間層の重みの初期化　*/
33/**********************/
34void initwh(double wh[HIDDENNO][INPUTNO+1])
35{
36 int i,j ;//繰り返しの制御
37
38 //乱数による重みの決定
39 for(i=0;i<HIDDENNO;++i)
40  for(j=0;j<INPUTNO+1;++j)
41
42   wh[i][j]=((double)rand() / ((double)RAND_MAX + 1));
43}
44
45/**********************/
46/*    initwo()関数     */
47/*   出力層の重みの初期化*/
48/**********************/
49void initwo(double wo[OUTPUTNO][HIDDENNO+1])
50{
51 int i,j ;//繰り返しの制御
52
53 //乱数による重みの決定
54 for(i=0;i<OUTPUTNO;++i)
55  for(j=0;j<HIDDENNO+1;++j)
56
57   wo[i][j]=((double)rand() / ((double)RAND_MAX + 1));
58}
59
60int main(void) {
61  //乱数の初期化
62
63  srand((unsigned)time(NULL));
64
65//train data
66    double train_x[DETASET][INPUTNO+1] = {{-9.75,0.75,0,-1,2,1},{0.375,1,-0.375,0.5,0.125,1},{2,4,26,-5,-5,1},{-0.6,-0.3,0.4,0.4,0.1,1},{0.53125,-0.46875,0.4375,0.59375,-0.25,1}};
67    double d[DETASET][OUTPUTNO] = {{1,1,1,1,1},{1,0,0,1,1},{1,1,1,1,1},{0,1,1,1,0},{1,1,1,1,0}};
68//net
69    double wh[HIDDENNO][INPUTNO+1];
70    double wo[OUTPUTNO][HIDDENNO+1];
71    double y[DETASET][HIDDENNO+1];
72    double z[DETASET][OUTPUTNO];
73
74//other
75    int i, j, k, l, n;
76    double sum = 0;
77
78//重みの初期化
79  initwh(wh);
80  initwo(wo);
81
82//tain
83    for(k=0; k<EPOCH; k++) {
84//フィードフォワード
85        for(j=0; j<DETASET; j++) {
86//中間層
87            for(l=0; l<HIDDENNO; l++) {
88                for(i=0; i<INPUTNO+1; i++) {
89                    sum += train_x[j][i] * wh[l][i];
90                }
91                y[j][l] = sigmoid(sum);
92//                printf("%f ",y[j][l]);
93                sum = 0;
94            }
95
96            y[j][HIDDENNO] = (double)1.0;
97//出力層
98          for(n=0; n<OUTPUTNO; n++) {
99            for(i=0; i<HIDDENNO+1; i++) {
100                sum += y[j][i] * wo[n][i];
101            }
102            z[j][n] = sigmoid(sum);
103            sum = 0;
104          }
105
106
107
108//バックワード
109//出力層
110for(i=0; i<OUTPUTNO; i++) {
111            for(n=0; n<HIDDENNO+1; n++) {
112
113                    wo[n][i] = wo[n][i] - ALPHA * y[j][i] * d_sigmoid(z[n][j]) * (z[n][j] - d[j][n]);
114//                printf("\n重みwo[%d][%d]:%f ", n,i,wo[n][i]);
115                }
116//printf("\n");
117            }
118
119
120//中間層
121  for(l=0; l<HIDDENNO; l++) {
122        for(i=0; i<INPUTNO+1; i++) {
123
124                    wh[i][l] = wh[i][l] - ALPHA * train_x[j][l] * d_sigmoid(y[j][i]) * d_sigmoid(z[n][j]) * (z[n][j] - d[j][n]) * wo[n][i];
125//printf("\n重みwh[%d][%d]:%f ", i,l,wh[i][l]);
126                }
127            //    printf("\n");
128            }
129        }
130//結果の出力
131
132    printf("\nz=\n");
133       for (n = 0; n < DETASET; n++) {
134         for(i=0; i<OUTPUTNO; i++) {
135            printf("%f ", z[n][i]);
136          }
137          printf("\n");
138        }
139        printf("EPOCH:%d\n",k);
140    }
141
142//predict
143    for(j=0; j<DETASET; j++) {
144//中間層
145        for(l=0; l<HIDDENNO; l++) {
146            for(i=0; i<INPUTNO+1; i++) {
147                sum += train_x[j][i] * wh[l][i];
148            }
149            y[j][l] = sigmoid(sum);
150            sum = 0;
151        }
152        y[j][HIDDENNO] = (double)1.0;
153//出力層
154        for(n=0; n<OUTPUTNO; n++) {
155        for(i=0; i<HIDDENNO+1; i++) {
156            sum += y[j][i] * wo[n][i];
157        }
158        z[j][n] = sigmoid(sum);
159        sum = 0;
160      }
161
162    }
163
164//学習結果の出力
165    printf("結果:\n");
166    for (n = 0; n < DETASET; n++) {
167      printf("データ%d: ",n);
168      for(i=0; i<OUTPUTNO; i++) {
169        printf("%f ", z[n][i]);
170      }
171    printf("\n");
172    }
173    printf("学習回数:%d\n",k);
174
175    return 0;
176}
177