常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型ppt課件(編輯修改稿)
2025-02-01 10:17 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 設(shè)有一個(gè) m層的神經(jīng)網(wǎng)絡(luò)，并在輸入層加有樣本 X；第 k層的 i神經(jīng)元的輸入總和表示為 Uik， 輸出 Xik；從第 k1層的第 j個(gè)神經(jīng)元到第 k層的第 i個(gè)神經(jīng)元的權(quán)系數(shù)為 Wij， 各神經(jīng)元的激勵(lì)函數(shù)為 f， 則各個(gè)變量的關(guān)系可用下面有關(guān)數(shù)學(xué)式表示： ? ???jkjijkikikiXWUUfX1)(16 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 BP網(wǎng)絡(luò)的學(xué)習(xí)算法： 反向傳播算法分二步進(jìn)行，即 輸入信號(hào)正向傳播 和 誤差信號(hào)反向傳播 。 1．輸入信號(hào)正向傳播 輸入的樣本從輸入層經(jīng)過(guò)隱層單元一層一層進(jìn)行處理，通過(guò)所有的隱層之后，則傳向輸出層，每一層神經(jīng)元的狀態(tài)只對(duì)下一層神經(jīng)元的狀態(tài)產(chǎn)生影響。 2．誤差信號(hào)反向傳播 在輸出層把現(xiàn)行輸出和期望輸出進(jìn)行比較，如果現(xiàn)行輸出不等于期望輸出，則進(jìn)入反向傳播過(guò)程。誤差信號(hào)按原來(lái)正向傳播的通路反向傳回，并對(duì)每個(gè)隱層的各個(gè)神經(jīng)元的權(quán)系數(shù)進(jìn)行修改，以望誤差信號(hào)趨向最小。 17 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 BP網(wǎng)絡(luò)的學(xué)習(xí)算法： 初始化：置權(quán)系數(shù) w為最小的隨機(jī)數(shù)； 訓(xùn)練：給出輸入樣本 x=（ x1， x2， … ， xn ） 以及期望輸出 y=（ y1， y2,… yn）； 計(jì)算輸出：按順序計(jì)算隱含層、輸出層各神經(jīng)元輸出； 計(jì)算期望輸出與實(shí)際輸出的誤差； 修改輸出層的權(quán)系數(shù)和閾值； 修改隱含層的權(quán)系數(shù)和閾值； 轉(zhuǎn) 3，直到誤差滿足要求。 18 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 BP網(wǎng)絡(luò)的學(xué)習(xí)算法： 例： 41 19 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 車牌數(shù)字識(shí)別 神經(jīng)網(wǎng)絡(luò)對(duì)圖形的旋轉(zhuǎn)、平移敏感，車牌照數(shù)字的獲取中不可避免的存在這一類問(wèn)題，所以要首先對(duì)圖形進(jìn)行處理。 分割后的數(shù)字圖像 ： 原始圖像 ： 20 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 車牌數(shù)字識(shí)別 BP神經(jīng)網(wǎng)絡(luò)采用三層結(jié)構(gòu)，輸入層、隱含層、輸出層神經(jīng)元個(gè)數(shù)分別為 1 2 10。取 09共十個(gè)數(shù)字作為待識(shí)別數(shù)字，每個(gè)數(shù)字取 6個(gè)樣本進(jìn)行訓(xùn)練，共有 60個(gè)訓(xùn)練樣本，另取 10個(gè)樣本作為識(shí)別樣本。取最大輸出端對(duì)應(yīng)的數(shù)字作為識(shí)別結(jié)果，如果所有輸出端的結(jié)果都小于 ，則認(rèn)為系統(tǒng)無(wú)法識(shí)別。 該網(wǎng)絡(luò)采用 BP算法，能正確識(shí)別車牌數(shù)字： 7 3 0 5 1 21 三、 Hopfield網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 1982年，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1