[工學]42人工神經(jīng)網(wǎng)絡(luò)的模型及算法-資料下載頁
2025-01-19 10:58本頁面
【正文】 ???30 同理 ? ?? ?? ? )()()()()()()(11111kjqtjtktkjkikjkikjqtjtktkikjqtjtktktktkikjqtjtktktktkkikjqtkjktktkijkjkjkjkjkijkijsfdeaeasfdasfLfCyasfLCCEasfbLLEssbbEE??????????????????????????????????????????????????????????????????????????????其中31 同理可推得閾值的調(diào)整算式 32 三、 BP算法的改進 評價神經(jīng)網(wǎng)絡(luò)學習算法優(yōu)劣的指標： 1. 學習所需的時間； 2. 泛化能力； 3. 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性； 4. 魯棒性 標準 BP算法存在的缺陷： 1. 易陷入局部極小點 2. 收斂速度慢 3. 泛化能力不能保證 33 帶動量項的 BP算法： 10)1()(??????????? NdN34 四、神經(jīng)網(wǎng)絡(luò)的訓練和測試 神經(jīng)網(wǎng)絡(luò)訓練的目的是找出隱藏在樣本數(shù)據(jù)背后的輸入與輸出之間的映射關(guān)系。 訓練后的神經(jīng)網(wǎng)絡(luò)不僅能對培訓樣本中的輸入向量產(chǎn)生正確的響應(yīng)，而且還能對未包含在培訓樣本中的輸入向量產(chǎn)生正確的響應(yīng)。 神經(jīng)網(wǎng)絡(luò)這種能對未經(jīng)訓練的輸入模式產(chǎn)生正確或近似正確的響應(yīng)的能力，稱為神經(jīng)網(wǎng)絡(luò)的 泛化能力 。 35 神經(jīng)網(wǎng)絡(luò)性能的衡量在于其泛化能力，而不是對訓練樣本的擬合程度。 培訓樣本的質(zhì)量直接影響到訓練后神經(jīng)網(wǎng)絡(luò)的性能。 1. 訓練和測試樣本集的準備 a. 首先要在大量的原始數(shù)據(jù)中確定最主要的輸入模式。 這需要對原始數(shù)據(jù)進行統(tǒng)計和相關(guān)性分析。 b. 進行尺度 變換和預(yù)處理。 目的是使網(wǎng)絡(luò)的訓練和學習更加容易和方便。 通過尺度變換，把原始數(shù)據(jù)統(tǒng)一變換到 [1,1] 或 [0,1] 的范圍內(nèi)。 36 c. 確定訓練樣本的個數(shù) 訓練樣本數(shù)的多少取決于網(wǎng)絡(luò)的大小、網(wǎng)絡(luò)測試的需要以及輸入輸出的分布等多方面的因素。 較大的網(wǎng)絡(luò)需要較多的樣本，經(jīng)驗值為連接權(quán)總數(shù)的5～ 10倍。 網(wǎng)絡(luò)的泛化能力需要作測試，該測試是通過輸入獨立的測試樣本集來進行。最簡單的做法是把樣本集隨機地分成兩部分，一部分用于訓練，另一部分用于測試。隨機選取的目的是盡量減少這兩部分樣本的相關(guān)性。 37 2. 訓練和測試 對訓練樣本集中的所有樣本分別經(jīng)模式順傳播和誤差逆?zhèn)鞑ヒ哉{(diào)整各權(quán)值的過程，稱為一次訓練（學習）或一個訓練（學習）周期（ Epoch）。 訓練次數(shù)越多訓練結(jié)果并不總是越好，有時反而導(dǎo)致結(jié)果變差，即出現(xiàn)所謂的 “訓練過度” 問題 38
教學課件相關(guān)推薦
鄂ICP備17016276號-1