神經(jīng)網(wǎng)絡(luò)基于bp網(wǎng)絡(luò)的多層感知器實驗報告(文件)
【正文】 訓(xùn)練BP算法增加動量項調(diào)整參數(shù)如上，記錄結(jié)果，并與沒有帶動量項的批處理訓(xùn)練BP算法的結(jié)果相比較程序如下：function jdlx %加動量項 close all。請輸入隱層節(jié)點數(shù) j = 39。)。 err=zeros(1,101)。 ERRO=[]。%期望 end。 y=zeros(1,j)。 acs=0。 y(1,i)=1/(1+exp(netj(1,i)))。%噪聲 wucha=d(1,p)o(1,p)。 end。 end。 else w(1,m)=w(1,m)+n*Erro*y(1,m)+a*w(1,m1)。 ERRO=[ERRO,Erme]。 azc=azc+Erme。)。)。)。 pjcs=1/5*acs figure(2)。endfunction F = hermit(x) %hermit子函數(shù) F = *(1x+2*x^2)*exp(x^2/2)。八：附加函數(shù)：（斜黑體部分替換為pcl、dlpcl分別進行批處理BP網(wǎng)絡(luò)計算、顯示圖形和增加動量項的批處理BP網(wǎng)絡(luò)計算、顯示圖形）計算函數(shù)：function [cs,wc]=jsdyb(lr,q)Emin=。 s1=s1+x1。function A=zjsdyb(lr)q=[4,5,7,8,10]。A=[A。[epoch,s,Wki,Wij,Wb,Ez]=dyb(lr,Emin,q)x=linspace(4,4,100)。for t=1:qoi(t)=1/(1+exp(NETi(t)))。r39。)title(39。,39。)hold onx=8.*rand(1,100)4。)title(39。)ylabel(39。,39。)clc。)figureplot([1:length(Ez)],Ez)title(39。)legend(39。)xlabel(39。plot(x,y,39。)hold offfigureplot(x,ok,39。)legend(39。plot(x,y,39。end ok(i)=NETk。for i=1:100NETi=x(i).*Wij+b*Wb。end圖形顯示函數(shù)：function txdyb(lr,q)%計算測試輸出；Emin=。for zk=1:5[cs,wc]=jsdyb(lr,q(zk))。endcs=s1/5。s2=0。表格3. 加入動量項的批處理BP算法平均最小誤差學(xué)習(xí)率結(jié)點數(shù)581012經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖七：實驗結(jié)果分析：單樣本訓(xùn)練：每輸入一個樣本，都要回傳誤差并調(diào)整權(quán)值，會導(dǎo)致收斂速度過慢，批處理（Batch）訓(xùn)練：根據(jù)總誤差計算各層的誤差信號并調(diào)整權(quán)值，權(quán)值的校正值是在整個訓(xùn)練集提交訓(xùn)練后才決定的。 figure(3)。平均次數(shù):39。 plot(x,o,39。 plot(x,d,39。 end disp(39。 end。
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1