10-11-12-13-0930-1012-1014-1019第五章線性判別函數(shù)(人工神經(jīng)元網(wǎng)絡(luò)模型)-資料下載頁
2025-08-04 07:27本頁面
【正文】 ) 說明 雙曲正切 Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ，+∞) 映射到 (1， 1)。它是可導函數(shù)，適用于 BP訓練的神經(jīng)元。 ?logsig() 功能 對數(shù) Sigmoid激活函數(shù) 格式 a = logsig(N) 說明對數(shù) Sigmoid函數(shù)把神經(jīng)元的輸入范圍從 (∞ ， +∞) 映射到 (0， 1)。它是可導函數(shù)，適用于 BP訓練的神經(jīng)元。 3 BP神經(jīng)網(wǎng)絡(luò)學習算法的 MATLAB實現(xiàn) ?（ 4）例 23，下表為某藥品的銷售情況，現(xiàn)構(gòu)建一個如下的三層 BP神經(jīng)網(wǎng)絡(luò)對藥品的銷售進行預(yù)測：輸入層有三個結(jié)點，隱含層結(jié)點數(shù)為 5，隱含層的激活函數(shù)為 tansig；輸出層結(jié)點數(shù)為 1個，輸出層的激活函數(shù)為 logsig，并利用此網(wǎng)絡(luò)對藥品的銷售量進行預(yù)測，預(yù)測方法采用滾動預(yù)測方式，即用前三個月的銷售量來預(yù)測第四個月的銷售量，如用 3月的銷售量為輸入預(yù)測第 4個月的銷售量，用 4月的銷售量為輸入預(yù)測第 5個月的銷售量 .如此反復(fù)直至滿足預(yù)測精度要求為止。 月份 1 2 3 4 5 6 銷量 2056 2395 2600 2298 1634 1600 月份 7 8 9 10 11 12 銷量 1873 1478 1900 1500 2046 1556 數(shù)據(jù)標準化： X=(xmin)/(maxmin) 3 BP神經(jīng)網(wǎng)絡(luò)學習算法的 MATLAB實現(xiàn) ?%以每三個月的銷售量經(jīng)歸一化處理后作為輸入 ?P=[ 。 。 。 。 。 。]39。 ?%以第四個月的銷售量歸一化處理后作為目標向量 ?T=[ ]。 ?%創(chuàng)建一個 BP神經(jīng)網(wǎng)絡(luò)，每一個輸入向量的取值范圍為 [0 ,1]，隱含層有 5個神經(jīng)元，輸出層有一個神經(jīng)元，隱含層的激活函數(shù)為 tansig，輸出層的激活函數(shù)為 %logsig，訓練函數(shù)為梯度下降函數(shù)，即 算法 ?=newff([0 1。0 1。0 1],[5,1],{39。tansig39。,39。logsig39。},39。traingd39。)。 ?=15000。 ?=。 ?%設(shè)置學習速率為 ?=。 ?=train(,P,T)。 3 BP神經(jīng)網(wǎng)絡(luò)學習算法的 MATLAB實現(xiàn) ?BP網(wǎng)絡(luò)應(yīng)用于藥品預(yù)測對比圖 ?由對比圖可以看出預(yù)測效果與實際存在一定誤差，此誤差可以通過增加運行步數(shù)和提高預(yù)設(shè)誤差精度也進一步縮小 4 BP神經(jīng)網(wǎng)絡(luò)的特點 ?（ 1）非線性映射能力 ?能學習和存貯大量輸入 輸出模式映射關(guān)系，而無需事先了解描述這種映射關(guān)系的數(shù)學方程。只要能提供足夠多的樣本模式對供網(wǎng)絡(luò)進行學習訓練，它便能完成由 n維輸入空間到 m維輸出空間的非線性映射。 ?（ 2）泛化能力 ?當向網(wǎng)絡(luò)輸入訓練時未曾見過的非樣本數(shù)據(jù)時，網(wǎng)絡(luò)也能完成由輸入空間向輸出空間的正確映射。這種能力稱為泛化能力。 ?（ 3）容錯能力 ?輸入樣本中帶有較大的誤差甚至個別錯誤對網(wǎng)絡(luò)的輸入輸出規(guī)律影響很小。 5 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點 BP算法的優(yōu)缺點： ?優(yōu)點：理論基礎(chǔ)牢固，推導過程嚴謹，物理概念清晰，通用性好等。所以，它是目前用來訓練前向多層網(wǎng)絡(luò)較好的算法。 ?缺點： （ 1）該學習算法的收斂速度慢；（ 2）網(wǎng)絡(luò)中隱節(jié)點個數(shù)的選取尚無理論上的指導；（ 3）從數(shù)學角度看， BP算法是一種梯度最速下降法，這就可能出現(xiàn)局部極小的問題。當出現(xiàn)局部極小時，從表面上看，誤差符合要求，但這時所得到的解并不一定是問題的真正解。所以 BP算法是不完備的。 小結(jié) ?BP算法背景 ?BP神經(jīng)網(wǎng)絡(luò)模型 ?BP算法 ?基本思想 ?推導過程 ?實現(xiàn) ?BP神經(jīng)網(wǎng)絡(luò)的 MATLAB函數(shù) ?BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用實例 ?BP神經(jīng)網(wǎng)絡(luò)與感知器神經(jīng)網(wǎng)絡(luò)的對比 謝謝！
外語相關(guān)推薦
鄂ICP備17016276號-1