20xx年醫(yī)學(xué)專題—人工神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例分析(留存版)
【正文】 經(jīng)網(wǎng)絡(luò)研究(y225。u)模型,第三頁，共二十頁。在實(shí)際應(yīng)用中，80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型是采用誤差反傳算法或其變化形式的網(wǎng)絡(luò)模型（簡稱BP網(wǎng)絡(luò)），目前主要應(yīng)用于函數(shù)(h225。 如果輸出層節(jié)點(diǎn)也采用Sigmoid轉(zhuǎn)換函數(shù)，輸出變量也必須作相應(yīng)的預(yù)處理，否則，輸出變量也可以不做預(yù)處理。)相差幾倍甚至上百倍。但遺憾的是，迄今為止還沒有構(gòu)造性結(jié)論，即在給定有限個(gè)（訓(xùn)練）樣本的情況下，如何設(shè)計(jì)一個(gè)合理的BP網(wǎng)絡(luò)模型并通過向所給的有限個(gè)樣本的學(xué)習(xí)（訓(xùn)練）來滿意地逼近樣本所蘊(yùn)含的規(guī)律（函數(shù)關(guān)系，不僅僅是使訓(xùn)練樣本的誤差達(dá)到很?。┑膯栴}，目前在很大程度上還需要依靠經(jīng)驗(yàn)知識(shí)和設(shè)計(jì)者的經(jīng)驗(yàn)。大的學(xué)習(xí)率可能使網(wǎng)絡(luò)權(quán)值每一次的修正量過大，甚至?xí)?dǎo)致權(quán)值在修正過程中超出某個(gè)誤差的極小值呈不規(guī)則跳躍而不收斂；但過小的學(xué)習(xí)率導(dǎo)致學(xué)習(xí)時(shí)間過長，不過能保證收斂于某個(gè)極小值。nɡ)，各文獻(xiàn)采用的公式也不盡相同。n)函數(shù)的選擇,第十六頁，共二十頁。 因此，合理隱層節(jié)點(diǎn)數(shù)應(yīng)在綜合考慮網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜 程度和誤差大小的情況下用節(jié)點(diǎn)刪除法和擴(kuò)張法確 定。,第十頁，共二十頁。 輸出變量即為系統(tǒng)待分析的外生變量（系統(tǒng)性能指標(biāo)或因變量），可以是一個(gè)，也可以是多個(gè)。,第五頁，共二十頁。u)模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng)。 （2）ANN缺少一個(gè)完整、成熟的理論體系。 為監(jiān)控訓(xùn)練（學(xué)習(xí)）過程使之不發(fā)生“過擬合”和評(píng)價(jià)(p237。,第九頁，共二十頁。同理可推得：輸入層的節(jié)點(diǎn)數(shù)（變量數(shù)）必須小于N1。,由于BP網(wǎng)絡(luò)采用誤差反傳算法，其實(shí)質(zhì)是一個(gè)無約束的非線性最優(yōu)化計(jì)算過程，在網(wǎng)絡(luò)結(jié)構(gòu)較大時(shí)不僅(b249。,第十九頁，共二十頁。ir243。目前雖已有
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1