神經(jīng)網(wǎng)絡之bp神網(wǎng)絡-文庫吧在線文庫
【正文】 ? 1)訓練集： ? X = 2*pi*rand(1,300)。 t=[0 1 1 0]。 34 作業(yè) 1附加： BP網(wǎng)絡用于 Xor問題 要求（檢驗樣本） p=[0 0 1 1。39。39。. ? BTF – 訓練函數(shù)，默認為 39。learngdm39。39。 ? Y = sin(X) + *randn(1,length(X)) ? plot(X,Y,’+’) ? 測試集： ? X2 = 2*pi*rand(1,300)。 方法不限 35 應用 BP網(wǎng)絡進行函數(shù)逼近 ? 例十三：逼近頻率可變的正弦函數(shù)，觀察函數(shù)非線性程度與BP網(wǎng)絡隱藏層神經(jīng)元數(shù)目的關(guān)系，以及訓練時間和誤差等的變化 ? 實現(xiàn)步驟 – 構(gòu)建待模擬函數(shù)（頻率可調(diào)） – 構(gòu)建 BP神經(jīng)網(wǎng)絡（隱藏神經(jīng)元個數(shù)可調(diào)） – 對網(wǎng)絡進行訓練（采用 lm方法） 36 應用 BP網(wǎng)絡進行函數(shù)逼近 ? 討論：誤差量、訓練速度 – 提高待模擬函數(shù)頻率，隱藏層神經(jīng)元數(shù)量不變 – 待模擬函數(shù)頻率不變，減少隱藏層神經(jīng)元數(shù)量 – 同步提高待模擬函數(shù)頻率和神經(jīng)元個數(shù) 37 應用 BP網(wǎng)絡進行系統(tǒng)辨識 ? 例十四：已知大量輸入輸出樣本，用神經(jīng)網(wǎng)絡描述輸入輸出之間的關(guān)系。 – c) 比較 20個隱含元的神經(jīng)網(wǎng)絡建模精度，初始權(quán)值的影響，得出你的結(jié)論。39。39。tansig39。. ? PF 表現(xiàn)（評價）函數(shù)，默認為 39。xfxfxfExwEyvjjijijlljllj?????????????????函數(shù)導數(shù)：閾值權(quán)值對于隱藏層：閾值權(quán)值對于輸出層：—負梯度方向—向表現(xiàn)函數(shù)下降最快的方和閾值的修正要沿著指導思想：對網(wǎng)絡權(quán)值??????16 如何根據(jù)誤差求修正值 為隱藏層學習率閾值修正權(quán)值修正隱藏層：為輸出層學習率閾值修正權(quán)值修正輸出層：39。 ? Y2 = sin(X2) + *randn(1,length(X2)) ? plot(X2,Y2,’o’) 33 作業(yè) 1： BP訓練神經(jīng)網(wǎng)絡 ? 2) 網(wǎng)絡結(jié)構(gòu)：輸入： 1。多輸入對多輸出 ? 實現(xiàn)步驟 – 導入輸入輸出樣本 – 分別選取用于訓練、測試和驗證的樣本集 – 訓練（防止過適應） 38 應用 BP網(wǎng)絡進行系統(tǒng)辨識 ? 討論 – 對三路輸出分別進行線性回歸分析 – 根據(jù)結(jié)果評價網(wǎng)絡擬合效果 ? 可能的修正方法 – 修改訓練算法 – 修改網(wǎng)絡結(jié)構(gòu) – 修改隱藏神經(jīng)元個數(shù) 39 應用 BP網(wǎng)絡進行模式識別
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1