線性判別函數(shù)人工神經(jīng)元網(wǎng)絡(luò)模型(完整版)
【正文】 111( ( ( ) ( )) )()2( ) ( ) ( )1( ( ( ) f( ( )) ) )()2( ) ( )1( (( ( ) f( ( ) ) ))()2( ) ( )qoohoh h hqoohohhqpo h o h ohohhhd k yo ke h o kh i k h o k h i kd k yi kh o kh o k h i kd k w h o k bh o kh o k h i k?????????? ? ???????? ? ?????????11()( ( ) ( ) ) f ( ( ) )()( ( ) ) f ( ( ) ) ( )qho o o h oo hqo h o h hoh o kd k yo k yi k wh i kk w h i k k??????? ? ???? ? ???2 BP網(wǎng)絡(luò)的標準學習算法 ?第六步，利用輸出層各神經(jīng)元的 和隱含層各神經(jīng)元的輸出來修正連接權(quán)值 。 ?newff() newff: Create a feedforward backpropagation work ?Syntax =newff =newff( PR,[S1 S2..SNl],{TF1 TF2..TFNl},BTF,BLF,PF) ?Description = newff creates a new work with a dialog box. newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl}, BTF,BLF,PF) takes (1)PRR x 2 matrix of min and max values for R input elements (2)SiSize of ith layer, for Nl layers (3)TFiTransfer function of ith layer, default = 39。 3 BP神經(jīng)網(wǎng)絡(luò)學習算法的 MATLAB實現(xiàn) ?（ 3） MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 ?tansig() 功能 正切 sigmoid激活函數(shù) 格式 a = tansig(n) 說明 雙曲正切 Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ，+∞) 映射到 (1， 1)。 。tansig39。 ?%設(shè)置學習速率為 ?=。所以，它是目前用來訓練前向多層網(wǎng)絡(luò)較好的算法。當出現(xiàn)局部極小時，從表面上看，誤差符合要求，但這時所得到的解并不一定是問題的真正解。 3 BP神經(jīng)網(wǎng)絡(luò)學習算法的 MATLAB實現(xiàn) ?BP網(wǎng)絡(luò)應用于藥品預測對比圖 ?由對比圖可以看出預測效果與實際存在一定誤差，此誤差可以通過增加運行步數(shù)和提高預設(shè)誤差精度也進一步縮小 4 BP神經(jīng)網(wǎng)絡(luò)的特點 ?（ 1）非線性映射能力 ?能學習和存貯大量輸入 輸出模式映射關(guān)系，而無需事先了解描述這種映射關(guān)系的數(shù)學方程。logsig39。 。 ?logsig() 功能 對數(shù) Sigmoid激活函數(shù) 格式 a = logsig(N) 說明對數(shù) Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ， +∞) 映射到 (0， 1)。 (4)BTFBackpropagation work training function, default = 39
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1