異或運算bp算法解決(編輯修改稿)
2025-06-19 18:30 本頁面
【文章內容簡介】 BP算法學習的四個階段BP神經網(wǎng)絡采用BP算法進行學習，其學習過程分為四個階段：1． 輸入模式是由輸入層經過隱藏層向輸出層逐層傳播的“模式順傳播”過程；2． 網(wǎng)絡的期望輸出與實際輸出之差，即誤差信號，是由輸出層經隱藏層向輸入層逐層修正連接權值的“誤差逆?zhèn)鞑ァ边^程。3． 由“模式順傳播”過程和“誤差逆?zhèn)鞑ァ边^稱反復交替進行的網(wǎng)絡“記憶訓練”過成。4． 網(wǎng)絡趨向收斂，即網(wǎng)絡的全局誤差趨向極小值的“學習收斂”過程。調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾值。開始連接權值及閾值初始化將學習模式對提供給網(wǎng)絡計算隱藏層各單元的凈輸入與輸出計算輸出層各單元的凈輸入與輸出計算輸出層各單元的一般化誤差計算輸出層各單元的一般化誤差調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾值調整輸入層到隱藏層之間的連接權值及隱藏層各個單元的閾值更新學習模式對更新學習次數(shù)誤差ε或學習次數(shù)Nmax？全部學習模式訓練完畢？學習結束Y調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾Y調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾N調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾N調整隱含層到輸出層之間的連接權值及輸出層各個單元的閾圖22 BP學習算法流程圖三、實驗結果與分析輸出實際輸出層c學寫了15000次后，結果如圖31運行結果所示：圖31 運行結果表31 輸出結果對比輸入期望輸出實際輸出A B0 000 111 011 10在精度滿足之后，實際輸出十分逼近期望輸出，可以看到BP算法解決異或問題是成功的。四、總結BP網(wǎng)絡具有很強的自學習、自組織、自適應能力，分類能力較強，收斂速度快，能較好的解決2個變量的異或問題，得到的結果較為理想。BP網(wǎng)絡隱層和輸出層激活函數(shù)（特別是輸出層激活函數(shù)）的選擇對具有規(guī)律性期望輸出數(shù)據(jù)的問題的結果有顯著影響，應結合網(wǎng)絡訓練思想對具體問題進行分析。本文在充分學習了解神經網(wǎng)絡訓練思想的基礎上構建適合本課題的BP網(wǎng)絡，通過大量次的訓練，并在實驗中修改參數(shù)，得到較為理想的結果。五、參考文獻[1]韋巍，何衍，智能控制基礎，北京：清華大學出版社，.[2]張良軍，曹晶，蔣世忠，神經網(wǎng)絡實用教程，機械工業(yè)出版社，.[3]陳曉波．仿生態(tài)神經網(wǎng)絡算法研究及其在聲信號車型識別中的應用[
公司管理相關推薦
鄂ICP備17016276號-1