人工神經(jīng)網(wǎng)絡iippt課件-資料下載頁
2025-01-05 05:03本頁面
【正文】 很小（可以為零），并不意味著建立的模型已逼近訓練樣本所蘊含的規(guī)律。 –僅給出訓練樣本誤差（通常是指均方根誤差RSME或均方誤差、 AAE或 MAPE等）的大小而不給出非訓練樣本誤差的大小是沒有任何意義的。 by 謝廣明 ， 2022~2022學年度第一學期 27 算法設計 ? 分析模型泛化能力，應該也必須用非訓練樣本誤差的大小來表示和評價。 ?判斷建立的模型是否已有效逼近樣本所蘊含的規(guī)律 ,最直接和客觀的指標是從總樣本中隨機抽取的非訓練樣本（檢驗樣本和測試樣本）誤差是否和訓練樣本的誤差一樣小或稍大。 ?非訓練樣本誤差很接近訓練樣本誤差或比其小，一般可認為建立的網(wǎng)絡模型已有效逼近訓練樣本所蘊含的規(guī)律。 by 謝廣明 ， 2022~2022學年度第一學期 28 算法設計 ?因為訓練樣本的誤差可以達到很小，因此，用從總樣本中隨機抽取的一部分測試樣本的誤差表示網(wǎng)絡模型計算和預測所具有的精度（網(wǎng)絡性能）是合理的和可靠的。 ?判斷網(wǎng)絡模型泛化能力的好壞，主要不是看測試樣本誤差大小的本身，而是要看測試樣本的誤差是否接近于訓練樣本和檢驗樣本的誤差。 by 謝廣明 ， 2022~2022學年度第一學期 29 算法設計 ?合理網(wǎng)絡模型的確定 –對同一結構的網(wǎng)絡，由于 BP算法存在（很）多個局部極小點，因此，必須通過多次（通常是幾十次）改變網(wǎng)絡初始連接權值求得相應的極小點，才能通過比較這些極小點的網(wǎng)絡誤差的大小，確定全局極小點，從而得到該網(wǎng)絡結構的最佳網(wǎng)絡連接權值。 by 謝廣明 ， 2022~2022學年度第一學期 30 算法設計 ?收斂誤差界值 –在網(wǎng)絡訓練過程中應根據(jù)實際情況預先確定誤差界值。 –誤差界值的選擇完全根據(jù)網(wǎng)絡模型的收斂速度大小和具體樣本的學習精度來確定。 –當選擇較小時，學習效果好，但收斂速度慢，訓練次數(shù)增加。 –取得較大時則相反。 by 謝廣明 ， 2022~2022學年度第一學期 31 算法改進 ? 由于 BP網(wǎng)絡采用誤差反傳算法，其實質是一個無約束的非線性最優(yōu)化計算過程，在網(wǎng)絡結構較大時不僅計算時間長，而且很容易限入局部極小點而得不到最優(yōu)結果。 ?目前已有改進 BP法、遺傳算法（ GA）和模擬退火算法等多種優(yōu)化方法用于 BP網(wǎng)絡的訓練。 by 謝廣明 ， 2022~2022學年度第一學期 32 題 目： 基于自適應 BP神經(jīng)網(wǎng)絡的結構損傷檢測 題 目： 基于 BP神經(jīng)網(wǎng)絡的企業(yè)技術創(chuàng)新能力評價及應用研究 題 目： BP神經(jīng)網(wǎng)絡預測油田廢水混凝處理效果 題 目： 基于 BP神經(jīng)網(wǎng)絡構建城市時需水量預測模型 題 目： BP神經(jīng)網(wǎng)絡在焉耆盆地水質評價中的應用 題 目： BP神經(jīng)網(wǎng)絡在焉耆盆地農(nóng)田排水量估算中的應用 題 目： 基于優(yōu)化 BP神經(jīng)網(wǎng)絡的中子法檢測煤中氫含量 題 目： BP神經(jīng)網(wǎng)絡進行系統(tǒng)辨識的紅外圖像超分辨力復原方法 題 目： 基于 BP神經(jīng)網(wǎng)絡的長江流域人口預測研究 題 目： BP神經(jīng)網(wǎng)絡在腦電圖信號預測中的應用 一個相對比較容易完成的選題！
教學課件相關推薦
鄂ICP備17016276號-1