線性判別函數(shù)人工神經(jīng)元網(wǎng)絡模型-wenkub
2023-06-10 18:07:48 本頁面
【正文】 人工神經(jīng)元的工作過程 對于某個處理單元（神經(jīng)元）來說，假設來自其他處理單元（神經(jīng)元） i的信息為 Xi，它們與本處理單元的互相作用強度即連接權(quán)值為 Wi, i=0,1,…,n 1,處理單元的內(nèi)部閾值為 θ。 人工神經(jīng)網(wǎng)絡概述 ?2 概念解釋 （ 1）人工神經(jīng)網(wǎng)絡（ Artificial Neural Networks，簡記作 ANN），是對人類大腦系統(tǒng)的一階特性的一種描述。 人工神經(jīng)網(wǎng)絡 Artificial Neural Networks 人工神經(jīng)網(wǎng)絡概述 ?1概念 （ 1） 人工神經(jīng)網(wǎng)絡 是集腦科學、神經(jīng)心理學和 信息科學等多學科的交叉研究領域，是近年來 高科技領域的一個研究熱點。簡單地講，它是一個 數(shù)學模型 ，可以用 電子線路 來實現(xiàn)，也可以用 計算機程序 來模擬，是人工智能研究的一種方法。 神經(jīng)元的結(jié)構(gòu)與功能特性 ???10niiixw而處理單元的輸出為 )xw(fy1n0iii ??? ???那么本處理單元（神經(jīng)元）的輸入為 BP神經(jīng)網(wǎng)絡模型與學習算法 ?Rumelhart， McClelland于 1985年提出了 BP網(wǎng)絡的誤差反向后傳 BP(Back Propagation)學習算法 ?BP算法基本原理 ?利用輸出后的誤差來估計輸出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。 2 BP網(wǎng)絡的標準學習算法 算法思想 ?（ 4）學習的類型：有導師學習 ?（ 5）核心思想： ? 將輸出誤差 以某種形式 通過隱層向輸入層逐層反傳 ?（ 6）學習的過程： ?信號的正向傳播 誤差的反向傳播 將誤差分攤給各層的所有單元－－－各層單元的誤差信號 修正各單元權(quán)值 2 BP網(wǎng)絡的標準學習算法 學習過程 ?正向傳播： ? 輸入樣本－－－輸入層－－－各隱層－－－輸出層 ?判斷是否轉(zhuǎn)入反向傳播階段： ? 若輸出層的實際輸出與期望的輸出（教師信號）不符 ?誤差反傳 ? 誤差以某種形式在各層表示－－－－修正各層單元的權(quán)值 ?網(wǎng)絡輸出的誤差減少到可接受的程度 進行到預先設定的學習次數(shù)為止 2 BP網(wǎng)絡的標準學習算法 ?(7)網(wǎng)絡結(jié)構(gòu) ?輸入層有 n個神經(jīng)元，隱含層有 p個神經(jīng)元 , 輸出層有 q個神經(jīng)元 ?(8)變量定義 ?輸入向量 。 ?期望輸出向量 。 ()h k?()o k?2 BP網(wǎng)絡的標準學習算法 21212111( ( ( ) ( )) )()2( ) ( ) ( )1( ( ( ) f( ( )) ) )()2( ) ( )1( (( ( ) f( ( ) ) ))()2( ) ( )qoohoh h hqoohohhqpo h o h ohohhhd k yo ke h o kh i k h o k h i kd k yi kh o kh o k h i kd k w h o k bh o kh o k h i k?????????? ? ???????? ? ?????????11()( ( ) ( ) ) f ( ( ) )()( ( ) ) f ( ( ) ) ( )qho o o h oo hqo h o h hoh o kd k yo k yi k wh i kk w h i k k??????? ? ???? ? ???2 BP網(wǎng)絡的標準學習算法 ?第六步，利用輸出層各神經(jīng)元的 和隱含層各神經(jīng)元的輸出來修正連
環(huán)評公示相關推薦
鄂ICP備17016276號-1