智能控制系統(tǒng)-神經(jīng)網(wǎng)絡(luò)-wenkub
2023-01-21 05:19:10 本頁面
【正文】 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。 ? ?12, , , nx x x?x? ?12, , , phi hi hi?hi? ?12, , , pho ho ho?ho? ?12, , , qy i y i y i?yi? ?12, , , qyo yo yo?yo? ?12, , , qd d d?od BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 輸入層與中間層的連接權(quán)值 : 隱含層與輸出層的連接權(quán)值 : 隱含層各神經(jīng)元的閾值 : 輸出層各神經(jīng)元的閾值 : 樣本數(shù)據(jù)個數(shù) : 激活函數(shù) : 誤差函數(shù)： ihwf()?howhb1 , 2 ,km?ob211 ( ( ) ( ))2qoooe d k yo k???? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 第一步，網(wǎng)絡(luò)初始化 給各連接權(quán)值分別賦一個區(qū)間（ 1， 1）內(nèi)的隨機(jī)數(shù)，設(shè)定誤差函數(shù) e，給定計算精度值 和最大學(xué)習(xí)次數(shù) M。 隱含層輸入向量； 隱含層輸出向量 。 反向過程 ：由輸出層誤差逐層反向計算隱層各單元的誤差，并用此 誤差修正 當(dāng)前層的權(quán)值。 任何邏輯函數(shù)可由兩層前饋網(wǎng)絡(luò)實現(xiàn) 當(dāng)神經(jīng)元的輸出函數(shù)為 Sigmoid等函數(shù)時，兩層前饋網(wǎng)絡(luò)可以逼近任意的多元非線性函數(shù) MLP的適用范圍大大超過單層網(wǎng)絡(luò)。 可見層： 輸入層 (input layer)和 輸出層 (output layer) 隱層 (hidden layer) ：中間層 前向網(wǎng)絡(luò)及其算法 感知器是 1957年美國學(xué)者 Rosenblatt提出的一種用于模式分類的神經(jīng)網(wǎng)絡(luò)模型。 14 誤差糾正學(xué)習(xí)（ δ學(xué)習(xí)規(guī)則） 對于 輸出層 第 k個神經(jīng)元的 實際輸出 : ak(n) 目標(biāo)輸出 : tk(n) 誤差信號 : ek(n) = tk(n) ak(n) 目標(biāo)函數(shù) 為基于 誤差信號 ek(n)的函數(shù)，如 誤差平方和 判據(jù) (sum squared error, SSE)，或 均方誤差 判據(jù) (mean squared error, MSE) 211 ( ) ( ) ( )22TkkJ E e n E n n?? ?????? ???????ee211( ) ( ) ( ) ( )22TkkJ n e n n n??? ee 誤差糾正學(xué)習(xí) 用 梯度下降法 求解 k J?? ? ? ?w?對于感知器和線性網(wǎng)絡(luò)： T???W e pk j k jw e p???delta學(xué)習(xí)規(guī)則 ?對于多層感知器網(wǎng)絡(luò)：擴(kuò)展的 delta學(xué)習(xí)規(guī)則， bp算法 wkj nk ak Pj 概率式學(xué)習(xí) 學(xué)習(xí)規(guī)則： 競爭學(xué)習(xí) 輸出神經(jīng)元之間有側(cè)向抑制性連接，較強(qiáng)單元獲勝并抑制其他單元，獨處激活狀態(tài)。 Hopfield神經(jīng)網(wǎng)絡(luò)是反饋型網(wǎng)絡(luò)中最簡單應(yīng)用最廣的模型，具有聯(lián)想記憶功能。 前饋網(wǎng)絡(luò)是靜態(tài)非線性映射，通過簡單非線性處理單元的復(fù)合映射，可獲得復(fù)雜的非線性處理能力。 第五章 神經(jīng)網(wǎng)絡(luò)控制 前向網(wǎng)絡(luò)及其算法 神經(jīng)網(wǎng)絡(luò)的基本原理及結(jié)構(gòu) 反饋網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)控制 神經(jīng)網(wǎng)絡(luò)的基本原理和結(jié)構(gòu) 神經(jīng)元是由細(xì)胞體、樹突和軸突組成 圖 生物神經(jīng)元模型 神經(jīng)細(xì)胞的結(jié)構(gòu)與功能 1 神經(jīng)網(wǎng)絡(luò)的基本模型 人工神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)元的一種模擬和簡化，是神經(jīng)網(wǎng)絡(luò)的基本處理單元。 從計算觀點，缺乏豐富的動力學(xué)行為 ⑵ 有反饋的前向網(wǎng)絡(luò)：典型的網(wǎng)絡(luò)有 Hopfield神經(jīng)網(wǎng)絡(luò) 特點： 若總節(jié)點 (神經(jīng)元 )數(shù)為 N，則每個節(jié)點有 N個輸入和一個輸出。 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)類型 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)類型 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 從環(huán)境中獲取知識并改進(jìn)自身性能，主要指調(diào)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1