diff -r -u5 gneural_network-0.5.0-orig/src/error.h gneural_network-0.5.0/src/error.h
--- gneural_network-0.5.0-orig/src/error.h	2016-03-03 19:41:46.000000000 +0700
+++ gneural_network-0.5.0/src/error.h	2016-03-23 14:34:23.424465404 +0700
@@ -32,20 +32,20 @@
  if(type==LINF){
   err=-1.e8;
   for(n=0;n<NDATA;n++){
    NEURON[0].x[0]=NEURON[0].output=X[n];
    feedforward();
-   if(err<fabs(NEURON[5].output-Y[n])) err=fabs(NEURON[5].output-Y[n]);
+   if(err<fabs(NEURON[NNUM-1].output-Y[n])) err=fabs(NEURON[NNUM-1].output-Y[n]);
   }
   return(err);
  }
  // L2 norm
  if(type==L2){
   for(n=0;n<NDATA;n++){
    NEURON[0].x[0]=NEURON[0].output=X[n];
    feedforward();
-   err+=pow(Y[n]-NEURON[5].output,2.);
+   err+=pow(Y[n]-NEURON[NNUM-1].output,2.);
   }
   return(sqrt(err));
  }
  // cosine similarity
  if(type==COS){
@@ -54,13 +54,13 @@
   x=0.;
   y=0.;
   for(n=0;n<NDATA;n++){
    NEURON[0].x[0]=NEURON[0].output=X[n];
    feedforward();
-   x+=pow(NEURON[5].output,2.);
+   x+=pow(NEURON[NNUM-1].output,2.);
    y+=pow(Y[n],2.);
-   s+=NEURON[5].output*Y[n];
+   s+=NEURON[NNUM-1].output*Y[n];
   }
   x=sqrt(x);
   y=sqrt(y);
   err=s/(x*y);
   return(err);
Only in gneural_network-0.5.0/src: error.h~