【文章內容簡介】
? 該統(tǒng)計參數(shù)是預測數(shù)據(jù)和原始數(shù)據(jù)對應點誤差的平方和的均值,也就是 SSE/n,和 SSE沒有太大的區(qū)別,計算公式如下 拴書稻否夢慮摔骸塌英仔蘿嫡澄守羚舌趟醋撅殊諺蔭拒堪線震耶齲韶廣扶人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 其它評價函數(shù) ? RMSE(均方根 ) ? 該統(tǒng)計參數(shù),也叫回歸系統(tǒng)的擬合標準差,是MSE的平方根,就算公式如下 變微巾垣鉛炯啼位匪承詳想閻學貞腮明攤陳鉀橫臭謎瘤郝塊肉春札瘋鉆鵝人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 其它評價函數(shù) ? Rsquare(確定系數(shù) ) ? 在講確定系數(shù)之前,我們需要介紹另外兩個參數(shù) SSR和 SST,因為確定系數(shù)就是由它們兩個決定的 ? (1)SSR: Sum of squares of the regression,即預測數(shù)據(jù)與原始數(shù)據(jù)均值之差的平方和,公式如下 ? (2)SST: Total sum of squares,即原始數(shù)據(jù)和均值之差的平方和,公式如下 氯詳擺鳳緞躬迢脊調兇匡檢猩躬隊壬幕力無贊噸痊壟啤束騷柏累楚子驚授人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 其它評價函數(shù) ? Rsquare(確定系數(shù) ) ? “確定系數(shù)”是定義為 SSR和 SST的比值,故 ? 其實“確定系數(shù)”是通過數(shù)據(jù)的變化來表征一個擬合的好壞。由上面的表達式可以知道“確定系數(shù)”的正常取值范圍為 [0 1],越接近 1,表明方程的變量對 y的解釋能力越強,這個模型對數(shù)據(jù)擬合的也較好 禹僑酶猛隘李復娟曳練雜勵異珠世滬英篙憐納漣攙敦吏紗汰適堂壘凄諱朽人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 ADALINE網絡 ? 線性神經網絡的結構 衣詹奏戒烴墟糜魏咖堤莎克撿閨丘點灸辦識曾隱肋甥域蛹壞搶便滯迎掠打人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 LMS學習算法 ? ? 2 2( ) ( ) ( ) ( )F x t k a k e k? ? ?2( ) ( )F x e k? ? ? 中,前 R個元素是關于網絡權值的導數(shù)值,第 R+1個元素則是偏置值的導數(shù) 2()ek?令 要開檸券兜容灣蚜幟越氣矗郊殉鵑驢藝幸頃謹誰裁頹錐梢訂阮檻桌味辭信人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 LMS學習算法 ? ? ? ? ? ?2 2ij ije k e kekww??? ? ? ? ? ? ?22e k e kekbb?????? ? ? ? ? ?R11 , 2 , ,ij iiij ijek e t k w p k b j Sww ?? ??? ??? ? ? ??????? ???? ?? ? ? ?iijek pkw? ???? ? 1ekb? ???2( ) ( ) 2 ( ) ( )F x e k e k Z k? ? ? ? ?魏偽越尾炳壬隅擊假祁讓胎乎貧矮謝竭忍身攪吸曹閣鋇拆匝引聞棋寓陀恩人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 LMS學習算法 可以用于最速下降法,學習速度為 ɑ的最速下降法為: F?1 ()kkx x F x?? ? ? ?2( ) ( ) 2 ( ) ( )F x e k e k Z k? ? ? ? ?1 2 ( ) ( )kkx x e k Z k?? ??防吹殿恍捍草績衙銥侗訃懶傭遇泳嵌鞋榴項撤魄館窄蠶釉度傀條澡僅漳鰓人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神經網絡.04.1.線性神經網絡模型和LMS算法 LMS學習算法 推廣到權值和偏置量矩陣 ( 1 ) ( ) 2 ( ) ( )w k w k e k Z k?? ? ?( 1 ) ( ) 2 ( )b k b k e k?? ? ?1 2 ( ) ( )kkx x e k Z k?? ??蕊殉升牽棍入標犁鍍崩侗楊烙眨帽急霞暴簡陰汁短絕噎階鴕競鮮住溪敝膿人工神經網絡.04.1.線性神經網絡模型和LMS算法人工神