bp神經(jīng)網(wǎng)絡(luò)模型ppt課件-wenkub
2023-01-20 03:16:50 本頁面
【正文】 型 ?激活函數(shù) ?必須處處可導(dǎo) 一般都使用 S型函數(shù) ?使用 S型激活函數(shù)時 BP網(wǎng)絡(luò)輸入與輸出關(guān)系 ?輸入 ?輸出 1 1 2 2 ... nnne t x w x w x w? ? ? ?1f ( )1e n ety n et ??? ? BP神經(jīng)網(wǎng)絡(luò)模型 ?輸出的導(dǎo)數(shù) 211f 39。 ( ) ( 1 )1 e ( 1 e )n et n etn et y y?? ? ? ????根據(jù) S型激活函數(shù)的圖形可知 ,對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，應(yīng)該將 的值盡量控制在收斂比較快的范圍內(nèi) BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?學(xué)習(xí)的過程： ?神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值 ,以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。 ?輸出層輸入向量 。 ?第二步 ,隨機(jī)選取第 個輸入樣本及對應(yīng)期望輸出 ?k? ?12( ) ( ), ( ), , ( )nk x k x k x k?x? ?12( ) ( ), ( ), , ( )qk d k d k d k?od BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第三步，計算隱含層各神經(jīng)元的輸入和輸出 1( ) ( ) 1 , 2 , ,nh i h i hih i k w x k b h p?? ? ??( ) f ( ( ) ) 1 , 2 , ,hhho k hi k h p??1( ) ( ) 1 , 2 ,po h o h ohyi k w h o k b o q?? ? ??( ) f ( ( ) ) 1 , 2 ,ooy o k y i k o q?? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第四步，利用網(wǎng)絡(luò)期望輸出和實(shí)際輸出，計算誤差函數(shù)對輸出層的各神經(jīng)元的偏導(dǎo)數(shù) 。 ()h k?1()( ) ( ) ( )()( ) ( )hi h h ii h h i hNNi h i h h ie e hi kw k k x kw hi k ww w k x k? ? ????? ? ?? ? ? ? ? ?? ? ??? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第八步，計算全局誤差 ?第九步，判斷網(wǎng)絡(luò)誤差是否滿足要求。 who hoew??e 0，此時 Δwho0 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?BP算法直解釋 ?情況二直觀表達(dá) 當(dāng)誤差對權(quán)值的偏導(dǎo)數(shù) 小于零時，權(quán)值調(diào)整量 為正，實(shí)際輸出少于期 望輸出，權(quán)值向增大方向 調(diào)整，使得實(shí)際輸出與期 望輸出的差減少。 ?logsig() 功能 對數(shù) Sigmoid激活函數(shù) 格式 a = logsig(N) 說明對數(shù)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1