有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的回歸擬合(已修改)
2025-06-07 12:08 本頁面
【正文】 有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的回歸擬合 — 汽油辛烷值預(yù)測 基礎(chǔ)理論 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則又稱神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法 ， 用來計(jì)算更新神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值 。 學(xué)習(xí)規(guī)則有兩大類別：有導(dǎo)師學(xué)習(xí)和無導(dǎo)師學(xué)習(xí) 。 在有導(dǎo)師學(xué)習(xí)中 ， 需要為學(xué)習(xí)規(guī)則提供一系列正確的網(wǎng)絡(luò)輸入 /輸出對 （ 即訓(xùn)練樣本 ） ， 當(dāng)網(wǎng)絡(luò)輸入時 ， 將網(wǎng)絡(luò)輸出與相對應(yīng)的期望值進(jìn)行比較 ， 然后應(yīng)用學(xué)習(xí)規(guī)則調(diào)整權(quán)值和閾值 ， 使網(wǎng)絡(luò)的輸出接近于期望值 。 而在無導(dǎo)師學(xué)習(xí)中 ，權(quán)值和閾值的調(diào)整只與網(wǎng)絡(luò)輸入有關(guān)系 ， 沒有期望值 ， 這類算法大多用聚類法 ， 將輸入模式歸類于有限的類別 。 1. BP神經(jīng)網(wǎng)絡(luò)概述 BP神經(jīng)網(wǎng)絡(luò)是一種典型的多層前向型神經(jīng)網(wǎng)絡(luò) ， 具有一個輸入層 、 數(shù)個隱含層和一個輸出層 。 層與層之間采用全連接的方式 ， 同一層神經(jīng)元之間不存在相互連接 。 理論上已證明 ，具有一個隱含層的三層網(wǎng)絡(luò)可以逼近任意非線性函數(shù) 。 隱含層中的神經(jīng)元多采用 S型傳遞函數(shù) ， 輸出層的神經(jīng)元多采用線性傳遞函數(shù) 。 典型的 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖所示 IW1,1 b1 + LW1,2 b2 + 輸入層
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1