神經網絡分類器-第八章-資料下載頁
2025-05-26 18:03本頁面
【正文】 函數。任意的前饋網絡，不一定是分層網絡或全連接的網絡 。 多層前饋網絡的每一層都是單層的網絡，卻無法用單層感知器的學習方法。其解決方法：通過誤差函數求導使誤差沿網絡向后傳播。 BP網絡 ? BP模型學習算法 的基本思想為： (1)從訓練樣例中取出一樣例，把輸入信息輸入到網絡中 (2)由網絡分別計算各層節(jié)點的輸出 (3)計算網絡的實際輸出和期望輸出的誤差 (4)從輸出層反向計算到第一隱層，根據減小誤差 原則 調整網絡的各個連接權值 (5)對訓練樣例集中的每一個樣例重復以上步驟，直到對整個訓練樣集的誤差達到要求為止 ? B－ P模型學習公式推導： BP網絡表示為： Oi。 ：結點 i的輸出 j : 結點 j的輸入 wij， 結點 i到結點 j的連接權值 yk 、 : 分別表示輸出層上結點 k的 實際輸出和期望輸出 。 ? 在 BP算法中，為了使學習以盡可能快的減少誤差的方式進行，對誤差采用基于梯度法極小化二次性能的指標函數： ? 連接權值的修正公式為： 21 ()2 kkkE y y???( 1 ) ( )j k j k j kw t w t w? ? ? ?結論： 輸出結點： 權值調整 ?為增益因子 隱結點： 權值調整 39。39。( ) ( )( ) ( )k k k kj k k k k jy y f n e tw y y f n e t O??? ? ? ?? ? ? ?39。 ()k k m k mmjk k jf ne t wwO?????? ? ??基于神經網絡的字符識別 系統(tǒng)采用了粗網格特征提取辦法。以數字“ 3”為例，提取字符特征的步驟為：首先將數字“ 3”歸一化為 32x16的比例尺寸，然后再分為 8X4個網格，如圖所示，依次統(tǒng)計每個網格內的黑像素，形成一個 8x4的特征向量 特征提?。? 轉移函數： 訓練時：匹配輸出節(jié)點的期望值定為 ，其它輸出節(jié)點的期望值定為 。在識別時，則取輸出節(jié)點的最大值作為匹配的值。
教學教案相關推薦
鄂ICP備17016276號-1