生物神經(jīng)元ppt課件-資料下載頁
2025-01-08 05:11本頁面
【正文】 x1 x2 xn =XW w1 w2 wn ? o=f() 1 o=f()= 1+e f’()=o(1o) o (0,) (0,0) BP網(wǎng)絡的構(gòu)成 —網(wǎng)絡的拓撲結(jié)構(gòu) BP算法適用于非循環(huán)多級網(wǎng)絡的訓練 x1 x2 xn o1 o2 om . . . 但在說明 BP算法的具體原理時，只需一個二級網(wǎng)絡 x1 x2 xn o1 o2 om BP網(wǎng)絡拓撲結(jié)構(gòu)的幾點注意事項 設網(wǎng)絡有 n層，第 h(1=h=n)層神經(jīng)元的個數(shù)為 Lh, 該層神經(jīng)元的激活函數(shù)用 Fn表示 聯(lián)結(jié)矩陣用 W(h)表示 輸入向量和輸出向量的維數(shù)由問題直接決定， 而層數(shù)和各層神經(jīng)元的個數(shù)則與問題相關 目前還很難確定它們與問題類型和規(guī)模的關系， 隱藏層數(shù)及其神經(jīng)元個數(shù)的增加不一定能夠提高網(wǎng)絡 精度和表達能力。 BP網(wǎng)一般都選二級網(wǎng)絡。 BP網(wǎng)絡訓練過程 樣本集 （輸入向量，理想輸出向量） 實際系統(tǒng)采集 向前傳播階段 (1) 從樣本集中取一個樣本 (Xp， Yp)，將 Xp輸入網(wǎng)絡； (2) 計算相應的實際輸出 Op； 向后傳播階段 (1) 計算實際輸出 Op與理想輸出 Yp的差； (2) 根據(jù)這個誤差，按極小化誤差方式調(diào)整權矩陣； 精度要求控制 網(wǎng)絡關于第 p個樣本的誤差測度為： Ep= ?(ypjopj)2/2 網(wǎng)絡整個樣本集的誤差測度為： E= ?Ep 誤差傳播分析 輸出層權的調(diào)整 ANp是輸出層第 q個神經(jīng)元， wpq是其前導層第 p神經(jīng)元到 ANp的聯(lián)結(jié)權。 ANp ANq 第 n1層 第 n層 wpq 取 wpq= wpq + wpq 根據(jù) Delta 法則，有 wpq= op 按照梯度下降法，有 =f’n(q)(ypoq)= oq(1oq) (ypoq) 即有 wpq= oq(1oq) (ypoq) op 誤差傳播分析 隱藏層權調(diào)整的困難 ANp ANq 第 k1層 第 k層 wp2 ANh 第 k2層 … vhp wp1 wpm 1k 2k mk Pk1 問題：由于無法知道隱藏層的理想輸出，所以無法直接利用 Delta 法則計算 Pk1 基本的 BP算法 for h=1 to M do E=0； 初始化 W(h) 初始化精度控制參數(shù) ； 3 E= +1 4 While E do 對 S中的每一個樣本 (Xp,Yp)； 計算相應的實際輸出 Op 計算出 Ep 計算出 E=E+Ep 根據(jù)公式調(diào)整 W(M) h=M1 while h0 do 根據(jù)公式調(diào)整 W(h) h=h1 E=E/
教學課件相關推薦
鄂ICP備17016276號-1