人工神經(jīng)網(wǎng)絡算法(編輯修改稿)
2025-10-01 10:21 本頁面
【文章內(nèi)容簡介】 于生物神經(jīng)元的信號輸入形式。 1))e x p(1()( ???? xxf第九頁，共二十頁。 ? 閥值在學習過程中和權值一樣也不斷的被修正。 ? 同理可求出輸出端的激活值和輸出值。 ? 設輸出層第 t個單元的激活值為那么 ? 設輸出層第 t個單元的實際輸出值為那么 ? 〔 t=1,2,…,q〕 ????pjtjjtt bvl1* ?)( tt lfc ?第十頁，共二十頁。 (2) 輸出誤差的逆?zhèn)鞑? ? 在第一步的模式順傳播計算中我們得到了網(wǎng)絡的實際輸出值，當這些實際輸出值與希望的輸出值不一樣時或其誤差大于所限定的數(shù)值時，就要對網(wǎng)絡進行校正。 ? 這里的校正是從后向前進行的，所以叫做誤差逆?zhèn)鞑?，計算時是從輸出層到中間層，再從中間層到輸入層。 第十一頁，共二十頁。 〔 3〕循環(huán)記憶訓練 ? 為使網(wǎng)絡的輸出誤差趨于極小值。對于 BP網(wǎng)輸入的每一組訓練模式，一般要經(jīng)過數(shù)百次甚至上萬次的循環(huán)記憶訓練，才能使網(wǎng)絡記住這一模式。這種循環(huán)記憶訓練實際上就是反復重復上面介紹的輸入模式順傳播和輸出誤差逆?zhèn)鞑ミ^程，使網(wǎng)絡記住訓練過程中權值的變化。
化學相關推薦
鄂ICP備17016276號-1