線性判別函數(shù)人工神經(jīng)元網(wǎng)絡(luò)模型(文件)
【正文】 接權(quán)值 。否則，選取下一個(gè)學(xué)習(xí)樣本及對(duì)應(yīng)的期望輸出，返回到第三步，進(jìn)入下一輪學(xué)習(xí)。 ?newff() newff: Create a feedforward backpropagation work ?Syntax =newff =newff( PR,[S1 S2..SNl],{TF1 TF2..TFNl},BTF,BLF,PF) ?Description = newff creates a new work with a dialog box. newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl}, BTF,BLF,PF) takes (1)PRR x 2 matrix of min and max values for R input elements (2)SiSize of ith layer, for Nl layers (3)TFiTransfer function of ith layer, default = 39。 (5)BLFBackpropagation weight/bias learning function, default = 39。 3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?（ 3） MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 ?tansig() 功能 正切 sigmoid激活函數(shù) 格式 a = tansig(n) 說明 雙曲正切 Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ，+∞) 映射到 (1， 1)。 3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?（ 4）例 23，下表為某藥品的銷售情況，現(xiàn)構(gòu)建一個(gè)如下的三層 BP神經(jīng)網(wǎng)絡(luò)對(duì)藥品的銷售進(jìn)行預(yù)測(cè)：輸入層有三個(gè)結(jié)點(diǎn)，隱含層結(jié)點(diǎn)數(shù)為 5，隱含層的激活函數(shù)為 tansig；輸出層結(jié)點(diǎn)數(shù)為 1個(gè)，輸出層的激活函數(shù)為 logsig，并利用此網(wǎng)絡(luò)對(duì)藥品的銷售量進(jìn)行預(yù)測(cè)，預(yù)測(cè)方法采用滾動(dòng)預(yù)測(cè)方式，即用前三個(gè)月的銷售量來預(yù)測(cè)第四個(gè)月的銷售量，如用 3月的銷售量為輸入預(yù)測(cè)第 4個(gè)月的銷售量，用 4月的銷售量為輸入預(yù)測(cè)第 5個(gè)月的銷售量 .如此反復(fù)直至滿足預(yù)測(cè)精度要求為止。 。 ?%以第四個(gè)月的銷售量歸一化處理后作為目標(biāo)向量 ?T=[ ]。tansig39。traingd39。 ?%設(shè)置學(xué)習(xí)速率為 ?=。 ?（ 2）泛化能力 ?當(dāng)向網(wǎng)絡(luò)輸入訓(xùn)練時(shí)未曾見過的非樣本數(shù)據(jù)時(shí)，網(wǎng)絡(luò)也能完成由輸入空間向輸出空間的正確映射。所以，它是目前用來訓(xùn)練前向多層網(wǎng)絡(luò)較好的算法。 小結(jié) ?BP算法背景 ?BP神經(jīng)網(wǎng)絡(luò)模型 ?BP算法 ?基本思想 ?推導(dǎo)過程 ?實(shí)現(xiàn) ?BP神經(jīng)網(wǎng)絡(luò)的 MATLAB函數(shù) ?BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例 ?BP神經(jīng)網(wǎng)絡(luò)與感知器神經(jīng)網(wǎng)絡(luò)的對(duì)比 謝謝！ 。當(dāng)出現(xiàn)局部極小時(shí)，從表面上看，誤差符合要求，但這時(shí)所得到的解并不一定是問題的真正解。 ?（ 3）容錯(cuò)能力 ?輸入樣本中帶有較大的誤差甚至個(gè)別錯(cuò)誤對(duì)網(wǎng)絡(luò)的輸入輸出規(guī)律影響很小。 3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?BP網(wǎng)絡(luò)應(yīng)用于藥品預(yù)測(cè)對(duì)比圖 ?由對(duì)比圖可以看出預(yù)測(cè)效果與實(shí)際存在一定誤差，此誤差可以通過增加運(yùn)行步數(shù)和提高預(yù)設(shè)誤差精度也進(jìn)一步縮小 4 BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn) ?（ 1）非線性映射能力 ?能學(xué)習(xí)和存貯大量輸入 輸出模式映射關(guān)系，而無需事先了解描述這種映射關(guān)系的數(shù)學(xué)方程。 ?=15000。logsig39。0 1。 。 。 ?logsig() 功能
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1