線性判別函數(shù)人工神經(jīng)元網(wǎng)絡(luò)模型-全文預(yù)覽
【正文】 對(duì)數(shù) Sigmoid激活函數(shù) 格式 a = logsig(N) 說明對(duì)數(shù) Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ， +∞) 映射到 (0， 1)。 (6)PFPerformance function, default = 39。 (4)BTFBackpropagation work training function, default = 39。 who hoew??e 0，此時(shí) Δwho0 2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?BP算法直解釋 ?情況二直觀表達(dá) 當(dāng)誤差對(duì)權(quán)值的偏導(dǎo)數(shù) 小于零時(shí)，權(quán)值調(diào)整量 為正，實(shí)際輸出少于期 望輸出，權(quán)值向增大方向 調(diào)整，使得實(shí)際輸出與期 望輸出的差減少。 ()h k?1()( ) ( ) ( )()( ) ( )hi h h ii h h i hNNi h i h h ie e h i kw k k x kw h i k ww w k x k? ? ????? ? ?? ? ? ? ? ?? ? ???2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第八步，計(jì)算全局誤差 ?第九步，判斷網(wǎng)絡(luò)誤差是否滿足要求。 ?第二步 ,隨機(jī)選取第 個(gè)輸入樣本及對(duì)應(yīng)期望輸出 ?k? ?12( ) ( ) , ( ) , , ( )nk x k x k x k?x? ?12( ) ( ) , ( ) , , ( )qk d k d k d k?od2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第三步，計(jì)算各層各神經(jīng)元的輸入和輸出 1( ) ( ) 1 , 2 , ,nh i h i hih i k w x k b h p?? ? ??( ) f( ( )) 1 , 2 , ,hhh o k h i k h p??1( ) ( ) 1 , 2 ,po h o h ohy i k w h o k b o q?? ? ??( ) f( ( )) 1 , 2 ,ooy o k y i k o q??2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第四步，利用網(wǎng)絡(luò)期望輸出和實(shí)際輸出，計(jì)算誤差函數(shù)對(duì)輸出層的各神經(jīng)元的偏導(dǎo)數(shù) 。 ?輸出層輸入向量 。( ) ( 1 )1 e ( 1 e ) ne t ne tne t y y?? ? ? ????根據(jù) S型激活函數(shù)的圖形可知 ,對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，應(yīng)該將 的值盡量控制在收斂比較快的范圍內(nèi) 2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?（ 1）學(xué)習(xí)的過程： ?神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值 ,以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。 人工神經(jīng)網(wǎng)絡(luò)概述 ?4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) （ 1） 信息的分布表示 （ 2）運(yùn)算的全局并行和局部操作 （ 3）處理的非線性 人工神經(jīng)網(wǎng)絡(luò)概述 神經(jīng)元的結(jié)構(gòu)與功能特性 1. 生物神經(jīng)元的結(jié)構(gòu) 神經(jīng)細(xì)胞是構(gòu)成神經(jīng)系統(tǒng)的基本單元，稱之為生物神經(jīng)元 ，簡(jiǎn)稱 神經(jīng)元 。 （ 3）應(yīng)用 它已在模式識(shí)別、機(jī)器學(xué)習(xí)、專家系統(tǒng)等多個(gè)方面得到應(yīng)用，成為人工智能研究中的活躍領(lǐng)域。 （ 2）它的研究目標(biāo) 是通過研究人腦的組成機(jī)理和思維方式，探索人類智能的奧秘，進(jìn)而通過模擬人腦的結(jié)構(gòu)和工作模式，使機(jī)器具有類似人類的智能。 （ 2）神經(jīng)網(wǎng)絡(luò)是一個(gè)由大量簡(jiǎn)單的處理單元組成的高度復(fù)雜的大規(guī)模非線性自適應(yīng)系統(tǒng) (3)ANN力求從四個(gè)方面去模擬人腦的智能行為 ?物理結(jié)構(gòu) ?計(jì)算模擬 ?存儲(chǔ)與操作 ?訓(xùn)練 ?3主要組成 （ 1） 一組處理單元 （ PE或 AN） ； （ 2） 處理單元的 激活狀態(tài) （ ai） ； （ 3） 每個(gè)處理單元的 輸出函數(shù) （ fi） ； （ 4） 處理單元之間的 聯(lián)接模式 ； （ 5）
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1