bp神經(jīng)網(wǎng)絡(luò)詳解與實(shí)例講(存儲版)
【正文】 1 bi a1 c1 cq cj ah bp an … … … … … … Wp1 Wiq Wpj W1q W1j Wij V11 W11 Wpq Wi1 Vh1 Vhi V1i Vn1 Vni V1p Vhp Vnp kjc kqckha kna1ka輸出層 LC 隱含層 LB 輸入層 LA W V klcklc 收集和整理分組 采用 BP神經(jīng)網(wǎng)絡(luò)方法建模的 首要和前提條件 是有足夠多典型性好和精度高的樣本。 (2) 訓(xùn)練樣本數(shù)必須多于網(wǎng)絡(luò)模型的連接權(quán)數(shù)，一般為2~10倍，否則，樣本必須分成幾部分并采用“輪流訓(xùn)練”的方法才可能得到可靠的神經(jīng)網(wǎng)絡(luò)模型。美國的 Mathwork公司推出的 MATLAB軟件包既是一種非常實(shí)用有效的科研編程軟件環(huán)境，又是一種進(jìn)行科學(xué)和工程計算的交互式程序。 ? %創(chuàng)建一個 BP神經(jīng)網(wǎng)絡(luò)，每一個輸入向量的取值范圍為 [0 ,1]，隱含層有 5個神經(jīng) %元，輸出層有一個神經(jīng)元，隱含層的激活函數(shù)為 tansig，輸出層的激活函數(shù)為 %logsig，訓(xùn)練函數(shù)為梯度下降函數(shù)，即 ? =newff([0 1。)。g*39。 。B+39。},39。 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ? 例 23，下表為某藥品的銷售情況，現(xiàn)構(gòu)建一個如下的三層 BP神經(jīng)網(wǎng)絡(luò)對藥品的銷售進(jìn)行預(yù)測：輸入層有三個結(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，輸出層的激活函數(shù)為 logsig，并利用此網(wǎng)絡(luò)對藥品的銷售量進(jìn)行預(yù)測，預(yù)測方法采用滾動預(yù)測方式，即用前三個月的銷售量來預(yù)測第四個月的銷售量，如用 3月的銷售量為輸入預(yù)測第 4個月的銷售量，用 4月的銷售量為輸入預(yù)測第 5個月的銷售量 .如此反復(fù)直至滿足預(yù)測精度要求為止。 4 網(wǎng)絡(luò)的初始連接權(quán)值 由于 Sigmoid轉(zhuǎn)換函數(shù)的特性，一般要求初始權(quán)值分布在~。 一般地，靠增加隱層節(jié)點(diǎn)數(shù)來獲得較低的誤差，其訓(xùn)練效果要比增加隱層數(shù)更容易實(shí)現(xiàn)。 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、自組織、較好的容錯性和優(yōu)良的非線性逼近能力，受到眾多領(lǐng)域?qū)W者的關(guān)注。22 ufat ???2222 ) ) )1(ex p (1/())1(ex p ())1()1(( uuat ?????（ 4）取 （或其他正數(shù)，可調(diào)整大?。? ??)()1(1 ip??(5) 計算 和 :),()1(1 jiW p ?)()1(1 ip?? 222)1(2)1(2 ) ) )1(e x p (1/())1(e x p ()),1()1(( uuiW pp ???? ???)()(),(),( )1(0)1(1)(1)1(1 jaijiWjiW pppp ??? ?? ??j=1,2,3, i=1,2,3, 計算 j=1,2,3 ),1()1(2 jW P ?)()1(),1(),1( )1(1)1(2)(2)1(2 jajWjW pppp ??? ?? ??j=1,2,3 ? (6) p=p+1，轉(zhuǎn)（ 2） ? 注：僅計算一圈 （ p=1， 2， … ， 15） 是不夠的 ， 直到當(dāng)各權(quán)重變化很小時停止 ， 本例中 ， 共計算了147圈 ， 迭代了 2205次 。 j=1, 2。 人工神經(jīng)網(wǎng)絡(luò) （ Artificial Neuron Nets=ANN） 例 ? 1981年生物學(xué)家格若根 （ W． Grogan） 和維什 （ W． Wirth） 發(fā)現(xiàn)了兩類蚊子 (或飛蠓 midges)． 他們測量了這兩類蚊子每個個體的翼長和觸角長 ， 數(shù)據(jù)如下： ? 翼長 觸角長 類別 ? Af ? Af ? Af ? Af ? Af ? Af ? Af ? 翼長 觸角長 類別 ? Apf ? Apf ? Apf ? Af ? Apf ? Apf ? Apf ? Af ? 問： 如果抓到三只新的蚊子，它們的觸角長和翼長分別為 (,)。 ” 二、神經(jīng)元與神經(jīng)網(wǎng)絡(luò) ? 大腦可視作為 1000多億神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò) ? 圖 3 神經(jīng)元的解剖圖 ? 神經(jīng)元的信息傳遞和處理是一種電化學(xué)活動．樹突由于電化學(xué)作用接受外界 的刺激；通過胞體內(nèi)的活動體現(xiàn)為軸突電位，當(dāng) 軸突電位達(dá)到 一定的值 則形成神經(jīng)脈沖或動作電位；再通過軸突末梢傳遞給其它的神經(jīng)元．從控制論的觀點(diǎn)來看；這一過程可以看作一個 多輸入單輸出 非線性系統(tǒng)的動態(tài)過程 神經(jīng)網(wǎng)絡(luò)研究的兩個方面 ? 從生理上 、 解剖學(xué)上進(jìn)行研究 ? 從工程技術(shù)上 、 算法上進(jìn)行研究 腦神經(jīng)信息活動的特征 (1)巨量并行性。1958年， (Perceptron）。 （ 2） 實(shí)現(xiàn)技術(shù)的研究 ：探討利用電子、光學(xué)、生物等技術(shù)實(shí)現(xiàn)神經(jīng)計算機(jī)的途徑。 ANN的研究內(nèi)容 （ 1） 理論研究 ： ANN模型及其學(xué)習(xí)算法，試圖從數(shù)學(xué)上描述 ANN的動力學(xué)過程，建立相應(yīng)的 ANN模型，在該模型的基礎(chǔ)上，對于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿足學(xué)習(xí)要求的算法。 神經(jīng)網(wǎng)絡(luò)研究的發(fā)展 (1)第一次熱潮 (4060年代未 ) 1943年 ,美國心理學(xué)家 ，即 MP模型。 人工神經(jīng)網(wǎng)絡(luò)概述 ? 什么是 人工神經(jīng)網(wǎng)絡(luò) ？ ? ： “人工神經(jīng)網(wǎng)絡(luò) 是由 具有適應(yīng)性的簡單單元組成的廣泛并行互連
語文相關(guān)推薦
鄂ICP備17016276號-1