《人工神經(jīng)網(wǎng)絡建?！穚pt課件-預覽頁
【正文】 （ 5） 注： 由 （ 1） 式 ， 第 i個神經(jīng)元的輸出可表示為 ???mjpjijpi iwfo1)(特別當 f是線性函數(shù)時 biwaomjpjijpi ?? ?? 1)(（ 6） 數(shù)學模型 數(shù)學模型 圖 7 多層前饋網(wǎng)絡 2．多層前饋網(wǎng)絡 （ l）輸入層不計在層數(shù)之內(nèi)，它有 No個神經(jīng)元．設網(wǎng)絡 共有 L層；輸出層為第 L層；第 k層有 Nk個神經(jīng)元． 假設： (2) 設 )(iu k 表示第 k層第 i神經(jīng)元所接收的信息 wk(i,j) 表示從第 k1層第 j個元到第 k層第 i個元的權重， )(iak 表第 k層第 i個元的輸出 數(shù)學模型 （ 3） 設層與層間的神經(jīng)元都有信息交換 （ 否則 ， 可設它們之間的權重為零 ） ；但同一層的神經(jīng)元之間無信息傳輸 ． (4) 設信息傳輸?shù)姆较蚴菑妮斎雽拥捷敵鰧臃较?；因此稱為前向網(wǎng)絡 ． 沒有反向傳播信息 ． （ 5） 表示輸入的第 j個分量 ． )(0 ja假設： 數(shù)學模型 在上述假定下網(wǎng)絡的輸入輸出關系可以表示為： ???????????????????????????????????????,1)),(()(),()(),()(. . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .,1)),(()(),()(),()(,1)),(()(),()(),()(1101112221212211111011LLLNjLLLLNjNjNiiufiaijajiwiuNiiufiaijajiwiuNiiufiaijajiwiuL???（ 7） 其中 表示第 k層第 i個元的閾值 . 數(shù)學模型 )(ik?定理 2 對于具有多個隱層的前饋神經(jīng)網(wǎng)絡；設激發(fā)函數(shù)為 S 函數(shù)；且指標函數(shù)取 ???PppEE1（ 8） ????LNipLpp iaitE12)()( ))()((21（ 9） 則每個訓練循環(huán)中按梯度下降時 ,其權重迭代公式為 ),(),(),( )( 1)()1()( jajiwjiw plplplpl ?? ?? ??,...,1 Ll ?（ 10 ） 表示第 l1層第 j個元對第 l層第 i個元輸入的第 p次迭代時的權重 ),()( jiw pl其中 ))(())()(()( )(39。 對應 15個輸出 。 )0(2W=rand(1,3)。 ? 最后結果是 ： ?????? ?????1W? ?9 8 2 8 3 0 7 ??W數(shù) 學 模 型 ?即網(wǎng)絡模型的解為： )2()1()2()2()1()1(001001????????aauaau))(()( 11 iufia ?))(e x p (111 iu??2,1?i= ))1(e x p (11)1(9 8 2 )2(4 8 3 )1(4 0 7 )1(22112uaaau???????數(shù) 學 模 型
教學課件相關推薦
鄂ICP備17016276號-1