freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

人工神經(jīng)網(wǎng)絡評價法(編輯修改稿)

2024-10-03 10:59 本頁面
 

【文章內(nèi)容簡介】 點:δpj = f′(netpj(dpj – Opj對于輸入節(jié)點:δpj = f′(netpj Σδpk Wkj上式中,引入學習速率η,是為了加快網(wǎng)絡的收斂速度,但有時可能產(chǎn)生振蕩。 通常權值修正公式中還需加一個慣性參數(shù)α,從而有:上式中,α為常數(shù)項,稱為勢態(tài)因子,它決定上一次的權值對本次權值更新的影響程度。權值修正是在誤差反向傳播過程中逐層完成的。由輸出層誤差修正各輸出層單元的連接權值,再計算相連隱含層單元的誤差量,并修正隱含層單元連接權值。如此繼續(xù),整個網(wǎng)絡權值更新一次后,我們說網(wǎng)絡經(jīng)過一個學習周期。重復此過程,當各個訓練模式都滿足要求時,我們說BP 網(wǎng)絡已學習好了。在網(wǎng)絡的學習過程中,權重值是隨著迭代的進行而更新的,并且一般是收斂的。二、BP 網(wǎng)絡的學習算法步驟初始化網(wǎng)絡及學習參數(shù),如設置網(wǎng)絡初始權矩陣,學習因子η,勢態(tài)因子α等;提供訓練模式,訓練網(wǎng)絡,直到滿足學習要求;前向傳播過程:對給定訓練模式輸入,計算網(wǎng)絡的輸出模式,并與期望模式比較,若有誤差,則執(zhí)行(4);否則,返回(2);反向傳播過程:計算同一層單元的誤差,修正權值和閾值,返回(2)。網(wǎng)絡的學習是通過用給定的訓練集訓練而實現(xiàn)的。通常用網(wǎng)絡的均方根誤差來定量地反映學習的性能。一般地,則表明對給定訓練集學習已滿足要求了。BP 神經(jīng)網(wǎng)絡的實質就是依據(jù)所提供的樣本數(shù)據(jù),通過學習和訓練,抽取樣本所隱含的特征關系,以神經(jīng)元間連接權值的形式存儲專家的知識。具體地說,BP 算法的基本思想是將每次迭代的誤差信號由輸出層經(jīng)隱蔽層至輸入層反向傳播,調(diào)整各個神經(jīng)元之間的連接權值,如此反復迭代,直到誤差達到容許水平,這種調(diào)節(jié)過程具有自組織、自學習的特點?;贐P 網(wǎng)絡的多指標綜合評價神經(jīng)網(wǎng)絡模型的設計如下:BP 網(wǎng)絡的結構包括網(wǎng)絡層數(shù)、輸入、輸出節(jié)點和隱節(jié)點的個數(shù)、連接方式,其中輸入層節(jié)點數(shù)m ,即評價指標的個數(shù);輸出層節(jié)點數(shù)n 為1,即評價結果;隱含層節(jié)點數(shù)L=(m*n)1/2。隱含層的輸出函數(shù)為sigmoid 變換函數(shù),輸入和輸出層函數(shù)為線性函數(shù)。具體地說,將用于多指標綜合評價的評價指標屬性值進行歸一化處理后作為BP 網(wǎng)絡模型的輸入,將評價結果作為BP 網(wǎng)絡模型的輸出,用足夠多的樣本訓練這個網(wǎng)絡,使其獲取評價專家的經(jīng)驗、知識、主觀判斷及對指標重要性的傾向。訓練好的BP 網(wǎng)絡模型根據(jù)待評價對象各指標的屬性值,就可得到對評價對象的評價結果,再現(xiàn)評價專家的經(jīng)驗、知識、主觀判斷及對指標重要性的傾向,實現(xiàn)定性與定量的有效結合,保證評價的客觀性和一致性。三、實例分析現(xiàn)在用人工神經(jīng)網(wǎng)絡對電子行業(yè)企業(yè)的經(jīng)濟效益進行綜合評價為例,講解人工神經(jīng)網(wǎng)絡的BP 模型。首先要將描述電子行業(yè)企業(yè)經(jīng)濟效益綜合的基礎指標的屬性值作為人工神經(jīng)網(wǎng)絡的輸入向量,然后用足夠多的企業(yè)樣本向量訓練這個網(wǎng)絡,使不同的輸入向量得到不同的輸出值,經(jīng)過學習后確定相應的內(nèi)部組權系數(shù),最后根據(jù)輸入的企業(yè)經(jīng)濟效益指標向量,可以得出該企業(yè)的經(jīng)濟效益的綜合評價結果。對各指標量化后,并得到綜合評價總指標的期望值。其中權重是由專家評判組反復斟酌而定,如表52所示應用上述的基于人工神經(jīng)網(wǎng)絡多指標綜合評價方法。本例的輸入層共有7個結點,輸出結點1個,隱層結點數(shù)選取10。將表52中的數(shù)據(jù)分為兩部分,前15組數(shù)據(jù)用作學習樣本,作為訓練神經(jīng)元連接權值用,學習精度ε=104,后10組數(shù)據(jù)作為檢驗用。經(jīng)過5200次的學習,其學習結果見表53。訓練結束后,給訓練好的BP 網(wǎng)絡分別輸入校驗數(shù)據(jù),得到綜合評價經(jīng)濟效益排序結果,
點擊復制文檔內(nèi)容
環(huán)評公示相關推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1