人工神經(jīng)網(wǎng)絡(luò)建模ppt課件-wenkub
2023-01-20 05:06:26 本頁面
【正文】 它們可以覓食 、 搬家 、 圍攻敵人等等 ． （ 2）網(wǎng)絡(luò)說話 人們把一本教科書用網(wǎng)絡(luò)把它讀出來（當(dāng)然需要通過光電，電聲的信號轉(zhuǎn)換）；開始網(wǎng)絡(luò)說的話像嬰兒學(xué)語那樣發(fā)出“巴、巴、巴”的聲響；但經(jīng)過 B－ P算法長時間的訓(xùn)練竟能正確讀出英語課本中 90％的詞匯． 從此用神經(jīng)網(wǎng)絡(luò)來識別語言和圖象形成一個新的熱潮． 數(shù)學(xué)模型 人工神經(jīng)網(wǎng)絡(luò)的基本特點 （ 1）可處理非線性 （ 2）并行結(jié)構(gòu)．對神經(jīng)網(wǎng)絡(luò)中的每一個神經(jīng)元來說；其運算都是同樣的．這樣的結(jié)構(gòu)最便于計算機并行處理． （ 3） 具有學(xué)習(xí)和記憶能力 ． 一個神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練學(xué)習(xí)判別事物；學(xué)習(xí)某一種規(guī)律或規(guī)則 ． 神經(jīng)網(wǎng)絡(luò)可以用于聯(lián)想記憶 ． （ 4） 對數(shù)據(jù)的可容性大 ． 在神經(jīng)網(wǎng)絡(luò)中可以同時使用量化數(shù)據(jù)和質(zhì)量數(shù)據(jù) （ 如好 、 中 、 差 、 及格 、 不及格等 ） ． （ 5）神經(jīng)網(wǎng)絡(luò)可以用大規(guī)模集成電路來實現(xiàn)．如美國用 256個神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)組成硬件用于識別手寫體的郵政編碼． 數(shù)學(xué)模型 四、反向傳播算法（ BP算法） Back propagation algorithm 1．簡單網(wǎng)絡(luò)的 BP算法 算法的目的：根據(jù)實際的輸入與輸出數(shù)據(jù)，計算模型的參數(shù)（權(quán)系數(shù)） 圖 6 簡單網(wǎng)絡(luò) 數(shù)學(xué)模型 ? 假設(shè)有 P個訓(xùn)練樣本 ， 即有 P個 輸入輸出對 ? （ Ip, Tp） ,p=1,… ,P, 其中 輸入向量為 , Tpmpp iiI ), .. . ,( 1?目標輸出向量為 （ 實際上的 ） Tpnpp ttT ), .. . ,( 1?網(wǎng)絡(luò)輸出向量為 （理論上的） Tpnpp ooO ), .. .,( 1?數(shù)學(xué)模型 ???nipipi ot12)(min （ p=1,…,P ） （ 2） 記 wij為從輸入向量的第 j (j=1,…,m) 個分量到輸出向量的第 i (i=1,…,n) 個分量的權(quán)重。 j=1, 2。 )2()2()2,2()1()1,2()2()1()2()2,1()1()1,1()1(101011101011????????awawuawawu))1(()1( 11 ufa ? ))2(()2( 11 ufa ?其中， 為閾值， 為激勵函數(shù) i?f1)3(0 ??a若令 （作為一固定輸入） （閾值作為固定輸入神經(jīng)元相應(yīng)的權(quán)系數(shù)） jjw ??)3,(1 2,1?j數(shù) 學(xué) 模 型 ????????????3101010101131010101011)(),2()3()3,2()2()2,2()1()1,2()2()(),1()3()3,1()2()2,1()1()1,1()1(jjjajwawawawujajwawawawu則有： xexf ??? 11)(取激勵函數(shù)為 ))(()( 11 iufia ? = ))(e x p (1 11 iu??2,1?i則 同樣，取 ,1)3(1 ??a ??)3,1(2w))1(e x p (11)1()(),1()1(2231122uajajwuj???? ??數(shù) 學(xué) 模 型 （ 1）隨機給出兩個權(quán)矩陣的初值；例如用 MATLAB軟件時可以用以下語句： 令 p=0 具體算法如下： )0(1W=rand(2,3)。22 ufat ???2222 )))1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1