人工神經網絡建模ppt課件(編輯修改稿)
2025-02-01 05:06 本頁面
【文章內容簡介】 , .. . ,( 1?目標輸出向量為 （ 實際上的 ） Tpnpp ttT ), .. . ,( 1?網絡輸出向量為 （理論上的） Tpnpp ooO ), .. .,( 1?數(shù)學模型 ???nipipi ot12)(min （ p=1,…,P ） （ 2） 記 wij為從輸入向量的第 j (j=1,…,m) 個分量到輸出向量的第 i (i=1,…,n) 個分量的權重。通常理論值與實際值有一誤差，網絡學習則是指不斷地把與比較，并根據(jù)極小原則修改參數(shù) wij，使誤差平方和達最?。? 記 ? Delta學習規(guī)則 : ?pi? pipi ot ?????????PppjpipjPppipiij iiotw11)( ??? （ 4） ijijij ??? （ 3） ijw?表示遞推一次的修改量，則有 稱為 學習的速率 ? 數(shù)學模型 ipm= 1 , wim= (第 i個神經元的閾值 ) （ 5） 注： 由 （ 1） 式 ， 第 i個神經元的輸出可表示為 ???mjpjijpi iwfo1)(特別當 f是線性函數(shù)時 biwaomjpjijpi ?? ?? 1)(（ 6） 數(shù)學模型 數(shù)學模型 圖 7 多層前饋網絡 2．多層前饋網絡 （ l）輸入層不計在層數(shù)之內，它有 No個神經元．設網絡 共有 L層；輸出層為第 L層；第 k層有 Nk個神經元． 假設： (2) 設 )(iu k 表示第 k層第 i神經元所接收的信息 wk(i,j) 表示從第 k1層第 j個元到第 k層第 i個元的權重， )(iak 表第 k層第 i個元的輸出 數(shù)學模型 （ 3） 設層與層間的神經元都有信息交換 （ 否則 ， 可設它們之間的權重為零 ） ；但同一層的神經元之間無信息傳輸 ． (4) 設信息傳輸?shù)姆较蚴菑妮斎雽拥捷敵鰧臃较?；因此稱為前向網絡 ． 沒有反向傳播信息 ． （ 5） 表示輸入的第 j個分量 ． )(0 ja假設： 數(shù)學模型 在上述假定下網絡的輸入輸出關系可以表示為： ???????????????????????????????????????,1)),(()(),()(),()(. . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .,1)),(()(),()(),()(,1)),(()(),()(),()(1101112221212211111011LLLNjLLLLNjNjNiiufiaijajiwiuNiiufiaijajiwiuNiiufiaijajiwiuL???（ 7） 其中 表示第 k層第 i個元的閾值 . 數(shù)學模型 )(ik?定理 2 對于具有多個隱層的前饋神經網絡；設激發(fā)函數(shù)為 S 函數(shù)；且指標函數(shù)取 ???PppEE1（ 8） ????LNipLpp iaitE12)()( ))()((21（ 9） 則每個訓練循環(huán)中按梯度下降時 ,其權重迭代公式為 ),(),(),(
教學課件相關推薦
鄂ICP備17016276號-1