模式識(shí)別理論及應(yīng)用人工神經(jīng)網(wǎng)絡(luò)-資料下載頁(yè)
2025-08-01 17:39本頁(yè)面
【正文】 ，單輸出型 ACON OCON 第八章 神經(jīng)網(wǎng)絡(luò) 45 ACON應(yīng)用典型方法 ? ACON應(yīng)用最多，典型方法是： ?網(wǎng)絡(luò)的每個(gè)輸入節(jié)點(diǎn)對(duì)應(yīng)于樣本的一個(gè)特征 ?輸出層單元采用 “ c中取 1”編碼，每個(gè)輸出節(jié)點(diǎn)對(duì)應(yīng)一個(gè)類，即 輸出層單元數(shù) =模式類數(shù) ? 訓(xùn)練樣本數(shù)據(jù)的期望輸出： [0, 0,… , 1,… , 0], 即其所屬類的相應(yīng)輸出節(jié)點(diǎn)為 1，其他節(jié)點(diǎn)均為 0 ? 識(shí)別階段：未知樣本的類別判定為與輸出值最大的節(jié)點(diǎn)對(duì)應(yīng)的類別 前饋網(wǎng)絡(luò)應(yīng)用 第八章 神經(jīng)網(wǎng)絡(luò) 46 前饋神經(jīng)網(wǎng)絡(luò)與模式識(shí)別 ?前饋神經(jīng)網(wǎng)絡(luò)與統(tǒng)計(jì)模式識(shí)別在方法上具有一定的等價(jià)關(guān)系： ?單層感知器 vs. 線性分類器 ?多層感知器 vs. 非線性分類器 ?徑向基函數(shù)網(wǎng)絡(luò) vs. Parzen窗密度估計(jì)分類器 前饋網(wǎng)絡(luò)應(yīng)用 第八章 神經(jīng)網(wǎng)絡(luò) 47 前饋神經(jīng)網(wǎng)絡(luò)與模式識(shí)別 ? 多層感知器集特征提取與分類于一體： ?隱層進(jìn)行非線性特征提取，將輸入空間變換到隱層輸出空間，使樣本在此空間具有最好的可分性 ?輸出層進(jìn)行分類決策（有時(shí)僅需線性分類） 前饋網(wǎng)絡(luò)應(yīng)用 第八章 神經(jīng)網(wǎng)絡(luò) 48 神經(jīng)網(wǎng)絡(luò)與貝葉斯分類器 ? 已證明當(dāng)神經(jīng)網(wǎng)絡(luò)輸出采用 “ c中取 1”編碼，隱層和輸出層神經(jīng)元均采用 Sigmoid函數(shù)，訓(xùn)練準(zhǔn)則函數(shù)為最小 MSE，則 MLP的輸出就是對(duì)貝葉斯后驗(yàn)概率的估計(jì) ? 以兩類情況為例：輸入樣本 x，網(wǎng)絡(luò)只有一個(gè)輸出節(jié)點(diǎn)，輸出為 f(x,w)，如果 x∈ 類 ω1，則期望輸出為 d=1，如果x∈ 類 ω2，則期望輸出為 d=0。則訓(xùn)練的均方誤差為： 前饋網(wǎng)絡(luò)應(yīng)用 12222121[ ( , ) ( ) ]11[ ( , ) 1 ] [ ( , ) ]()KKKs fdNffNNE????? ? ?? ???xxxx w xx w x ww211222( ) ( ) [ ( , ) 1 ] ( | )( ) [ ( , ) 1 ] ( | )aE P f p dP f p d????????w x w x xx w x x第八章 神經(jīng)網(wǎng)絡(luò) 49 神經(jīng)網(wǎng)絡(luò)與貝葉斯分類器 前饋網(wǎng)絡(luò)應(yīng)用 2111211( ) [ ( , ) ( | )] ( )( | )( 1 ( | )) ( )( ) ( | )( 1 ( | )) ( )aE f p p dp p p de p p p d?????????? ? ????w x w x x xx x x xx x x xw1111 1 2 2( ) ( | )( | )()( ) ( ) ( | ) ( ) ( | )Ppppp P p P p???? ? ? ????xxxx x x2a r g m i n ( ) a r g m i n ( )aEe ?ww22 1( ) [ ( , ) ( | )] ( )e f p p d????w x w x x x第八章 神經(jīng)網(wǎng)絡(luò) 50 Matlab神經(jīng)網(wǎng)絡(luò)工具箱介紹 ? Introduction ? Neuron Model and Network Architectures ? Perceptrons ? Linear Filters ? Radial Basis Networks ? Applications 第八章 神經(jīng)網(wǎng)絡(luò) 51 討論 ? 人工神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元經(jīng)廣泛互聯(lián)組成的非線性網(wǎng)絡(luò)，單元間的連接強(qiáng)度從樣本中學(xué)習(xí) ? 神經(jīng)網(wǎng)絡(luò)模型決定于神經(jīng)元類型，神經(jīng)元間的連接方式和學(xué)習(xí)算法 ? MLP、 RBF和 SOFM是模式識(shí)別中應(yīng)用最多的幾種模型 第八章 神經(jīng)網(wǎng)絡(luò) 52 習(xí)題 1. 解釋 Hebb學(xué)習(xí)規(guī)則的基本思想 2. 瀏覽 Matlab的 neural work toolbox的幫助文檔（ perceptron, linear filter, bp) 3. 寫出 CMeans算法雙層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的算法描述或畫出流程圖 4. 以兩類情況為例，證明當(dāng)神經(jīng)網(wǎng)絡(luò)輸出采用 “ c中取 1”編碼，隱層和輸出層神經(jīng)元均采用Sigmoid函數(shù)，訓(xùn)練準(zhǔn)則函數(shù)為最小 MSE，則MLP的輸出就是對(duì)貝葉斯后驗(yàn)概率的估計(jì)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1