《常見神經(jīng)網(wǎng)絡(luò)模型》ppt課件-文庫吧
2024-12-21 10:17 本頁面
【正文】 ， X2=[1， 0， ， ]T， X3=[1， 1， 1， ]T， 設(shè)初始權(quán)值為 Wi（ 0） = [， 1， 1，0]T,η =， 期望輸出為 Y1=0， Y2=0， Y3=1， 試訓(xùn)練感知器網(wǎng)絡(luò)。 10 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 從感如器的學(xué)習(xí)算法可知，學(xué)習(xí)的目的是在于修改網(wǎng)絡(luò)中的權(quán)系數(shù)，使網(wǎng)絡(luò)對于所輸入的模式樣本能正確分類。當(dāng)學(xué)習(xí)結(jié)束時(shí)，也即神經(jīng)網(wǎng)絡(luò)能正確分類時(shí)，顯然權(quán)系數(shù)就反映了同類輸人模式樣本的共同特征。換句話講，權(quán)系數(shù)就是存儲了的輸入模式。 由于權(quán)系數(shù)是分散存在的，故神經(jīng)網(wǎng)絡(luò)自然而然就有分布存儲的特點(diǎn)。 11 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 感知器實(shí)質(zhì)是一個(gè)分類器，可以用于實(shí)現(xiàn)邏輯函數(shù)。 其分類條件是樣本是線性可分的。 例：用感知器實(shí)現(xiàn)邏輯函數(shù) X1UX2的真值： X1 0 0 1 1 X2 0 1 0 1 X1UX2 0 1 1 1 12 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 以 X1UX2 ＝ 1為 A類，以 X1UX2 =0為 B類，則有方程組： 01100101000021212121????????????????????????wwwwwwww?????????21120wwww令 W1=1， W2=2， 則有： θ ≤1 取 θ =， 則有：X1+=0 13 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） 邏輯與 邏輯或 邏輯異或 x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） 14 二、 BP網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 1986年， Rumelhart提出了一種利用誤差反向傳播（ Back Propagation ） 訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，簡稱 BP網(wǎng)絡(luò)，是一種多層前向網(wǎng)絡(luò)，其特征為： 由輸入層、隱含層、輸出層組成； 同層節(jié)點(diǎn)之間沒有互連； 每層節(jié)點(diǎn)的輸出只影響下層節(jié)點(diǎn)； 激勵(lì)函數(shù)多為 S型。 15 二、 BP網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 BP網(wǎng)絡(luò)的數(shù)學(xué)模型：
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1