【摘要】——蚊子分類問(wèn)題?正向傳播:?輸入樣本---輸入層---各隱層---輸出層?判斷是否轉(zhuǎn)入反向傳播階段:?若輸出層的實(shí)際輸出與期望的輸出(教師信號(hào))不符?誤差反傳?誤差以某種形式在各層表示----修正各層單元的權(quán)值?網(wǎng)絡(luò)輸出的誤差減少到可接受的程度或達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止一、BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)
2025-05-25 22:33
【摘要】智能中國(guó)網(wǎng)提供學(xué)習(xí)支持BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法概述?Rumelhart,McClelland于1985年提出了BP網(wǎng)絡(luò)的誤差反向后傳BP(BackPropagation)學(xué)習(xí)算法?BP算法基本原理?利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差,再用這個(gè)誤差估計(jì)更前一層的誤差,如此一層一層的反
【摘要】神經(jīng)網(wǎng)絡(luò)概述人工神經(jīng)網(wǎng)絡(luò)ANN(artificialneuralwork)是20世紀(jì)80年代才日益受到人們重視的一種新的人工智能計(jì)算方法。由于它模擬了人腦的思維模式,即具有一定的智能,且的確能解決許多用傳統(tǒng)方法不能或難于解決的復(fù)雜問(wèn)題,使之更加精確化,如更精確的分類、非線性規(guī)劃的求解、著名的“旅行員推銷問(wèn)題”的解決等(注:在近年來(lái)的實(shí)際應(yīng)用
【摘要】1神經(jīng)網(wǎng)絡(luò)與應(yīng)用11月16日2第六章BP網(wǎng)絡(luò)3BP網(wǎng)基本概念?目前實(shí)際應(yīng)用中最常用?采用(BackPropagation-BP)學(xué)習(xí)算法?多層前饋型神經(jīng)網(wǎng)絡(luò)?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(wèn)題?用于函數(shù)逼近、模式識(shí)別和數(shù)據(jù)壓縮等4BP神經(jīng)元
2025-07-21 23:39
【摘要】1例2-4-1M構(gòu)建線性神經(jīng)網(wǎng)絡(luò)2線性神經(jīng)元結(jié)構(gòu)Matlab用符號(hào)書用符號(hào)3線性神經(jīng)元結(jié)構(gòu)模型Matlab用符號(hào)書用符號(hào))()(1.1npurelinnfabpw
2025-01-05 03:15
【摘要】基于神經(jīng)網(wǎng)絡(luò)的車輛制動(dòng)預(yù)測(cè)研究[摘要]本文對(duì)汽車制動(dòng)過(guò)程中,影響汽車制動(dòng)距離的主要因素:路面附著系數(shù)和初始速度等進(jìn)行分析,提出了用神經(jīng)網(wǎng)絡(luò)的方法對(duì)汽車制動(dòng)距離進(jìn)行預(yù)測(cè)分析并闡述了對(duì)汽車制動(dòng)距離預(yù)測(cè)的必要性和可行性。我們以干瀝青與混凝土路面狀況下汽車制動(dòng)距離的實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ),建立基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型,并利用MATLAB進(jìn)行數(shù)據(jù)擬合檢驗(yàn),結(jié)果表明我們的方法能有效地預(yù)測(cè)
2025-06-27 20:44