神經(jīng)網(wǎng)絡之bp神網(wǎng)絡(更新版)
【正文】 傳遞誤差 ? 輸出節(jié)點的誤差通過輸出層的權(quán)值反向傳播成為隱藏節(jié)點的誤差 jiiijjlljljjljljljjljllllllllllxwne tvne tfjyvyvne tlzltne tfztlztlE?????????????????????其中：個節(jié)點的誤差為：隱藏層第為輸出層的閾值為隱藏層輸出為輸出層權(quán)值個輸出的實際值為第個輸出的期望值為第其中：個輸出節(jié)點的誤差為：第系統(tǒng)誤差：)()()()(139。1 神經(jīng)網(wǎng)絡與應用 11月 16日 2 第六章 BP網(wǎng)絡 3 BP網(wǎng)基本概念 ? 目前實際應用中最常用 ? 采用（ Back Propagation－ BP）學習算法 ? 多層前饋型神經(jīng)網(wǎng)絡 ? 隱藏層神經(jīng)元傳遞函數(shù)為 S型函數(shù) ? 可以解決非線性問題 ? 用于函數(shù)逼近、模式識別和數(shù)據(jù)壓縮等 4 BP神經(jīng)元模型 5 BP神經(jīng)元常用的 f函數(shù) 0)1,0(),(11Slog)(??????????????ycccapeas i giicpii時逼近直線時逼近階越函數(shù)型函數(shù)（壓縮函數(shù)）（對數(shù)）6 BP神經(jīng)元常用的 f函數(shù) )1,1(S)t a n h (St a n?????????icpcpcpcpiiaeeeepas i giiii函數(shù)的主要區(qū)別在于：與函數(shù)（雙曲正切函數(shù)）正切7 BP神經(jīng)元常用的 f函數(shù) ? purelin線性函數(shù) ? 僅限于最后一層（輸出層），目的是擴大輸出的取值范圍 8 BP神經(jīng)元常用的 f函數(shù) ? BP網(wǎng)絡所采用的傳遞函數(shù)均是可微的單調(diào)遞增函數(shù)，非線性主要由 S函數(shù)體現(xiàn) ? 以上三個函數(shù)分別有對應的導函數(shù)（對于學習算法十分重要） – logsig():dlogsig() – tansig():dtansig() – purelin():dpurelin() 9 BP網(wǎng)絡結(jié)構(gòu)的一般結(jié)構(gòu) 10 兩層 BP網(wǎng)絡結(jié)構(gòu) 11 BP神經(jīng)網(wǎng)絡的構(gòu)建 ? NEWFF(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) ? PR Rx2 矩陣，確定 R維輸入的變化范圍 . ? Si 表示第 i層有幾個神經(jīng)元 . ? TFi – 第 i層的傳遞函數(shù)，默認為 39。mse39。39。 隱含： 7 tan
環(huán)評公示相關推薦
鄂ICP備17016276號-1