【文章內(nèi)容簡介】 由于輸入量有時(shí)無法直接得到，通常需要從原始數(shù)據(jù)中提取能反映其特征的參數(shù)作為網(wǎng)絡(luò)的輸入，通常有以下四種表示方法：（1）文字符號；（2）曲線符號；（3）函數(shù)自變量；（4）圖像輸出量的表示輸出量指網(wǎng)絡(luò)的實(shí)際輸出，網(wǎng)絡(luò)的輸出量通常是不固定的，可以有單個(gè)輸出，也可以有多個(gè)輸出。輸出變量可以是語言變量，也可以為數(shù)值變量。下面是輸出變量的幾種表示方法[24]：（1）數(shù)值表示法 對于漸變式的分類，通常需要將語言值用二值數(shù)值來表示。同時(shí)，數(shù)值的選擇要保持由小到大的漸變關(guān)系，并要適當(dāng)調(diào)整距離。（2）“中取1”法 “中取1”法假定輸出向量的維數(shù)等于類別數(shù)，輸入樣本為那一類，對應(yīng)的輸出分量取為1，其余分量取0。（3）“”法 假如用個(gè)全為0的輸出向量表示某個(gè)類別，就可以節(jié)省一個(gè)輸出節(jié)點(diǎn)。尤其是輸出只有兩種可能性時(shí)，用0、1可清晰表達(dá)。輸入輸出數(shù)據(jù)的尺度變換對輸入輸出數(shù)據(jù)，通常需要進(jìn)行尺度變換（歸一化），將網(wǎng)絡(luò)的輸入、輸出限制在[0,1]或[1,1]之間。進(jìn)行歸一化的主要原因[24]：（1）網(wǎng)絡(luò)的輸入數(shù)據(jù)通常具有不同的物理意義，如一輸入分量在0～1103內(nèi)變化，而另一個(gè)則在1103～0內(nèi)變化。尺度變換可將所有分量變換到[0,1]或[1,1]之間，在網(wǎng)絡(luò)訓(xùn)練開始時(shí)，給各輸入以同等重要的地位。（2）BP網(wǎng)絡(luò)的激勵函數(shù)采用Sigmoidal函數(shù)，變換后，可避免因凈輸入的絕對值過大而使輸出飽和，進(jìn)而使權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)。變換公式如下：（a）將輸入輸出數(shù)據(jù)變換到[0,1]之間： （）其中，為數(shù)據(jù)最小值，為最大值，為輸入或輸出數(shù)據(jù)。（b）將輸入輸出數(shù)據(jù)變換為[1,1]之間： （） （）其中，為數(shù)據(jù)最小值，為數(shù)據(jù)中間值，為最大值，為輸入或輸出數(shù)據(jù)。訓(xùn)練集的選取網(wǎng)絡(luò)性能與訓(xùn)練樣本密切相關(guān)，采用不同的訓(xùn)練集對神經(jīng)網(wǎng)絡(luò)泛化能力的影響甚至超過神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（隱節(jié)點(diǎn)數(shù)）對泛化能力的影響[25]。好的訓(xùn)練集既要考慮樣本數(shù)量，又要考慮樣本質(zhì)量[24]。 （1）訓(xùn)練樣本數(shù)的確定 通常情況下，訓(xùn)練樣本數(shù)越多，訓(xùn)練結(jié)果越能更好地反映其內(nèi)在規(guī)律[26][27]，但樣本的收集常常受客觀條件的制約。而且，當(dāng)樣本個(gè)數(shù)達(dá)到一定數(shù)目時(shí)，網(wǎng)絡(luò)的精度不但不會提高，反而可能下降[24]。網(wǎng)絡(luò)訓(xùn)練時(shí)，所需要的樣本數(shù)通常決定于輸入輸出非線性映射的復(fù)雜程度。為了保證一定的映射精度，需要較多的樣本和較大的網(wǎng)絡(luò)規(guī)模。