人工神經(jīng)網(wǎng)絡應用實例分析-資料下載頁
2025-09-24 10:27本頁面
【正文】 在國外被稱為 “藝術(shù)創(chuàng)造的過程〞，是一個復雜而又十分煩瑣和困難的過程。 第十四頁，共二十頁。 由于 BP網(wǎng)絡采用誤差反傳算法，其實質(zhì)是一個無約束的非線性最優(yōu)化計算過程，在網(wǎng)絡結(jié)構(gòu)較大時不僅計算時間長，而且很容易限入局部極小點而得不到最優(yōu)結(jié)果。目前雖已有改進 BP法、遺傳算法〔 GA〕和模擬退火算法等多種優(yōu)化方法用于 BP網(wǎng)絡的訓練 (這些方法從原理上講可通過調(diào)整某些參數(shù)求得全局極小點 )，但在應用中，這些參數(shù)的調(diào)整往往因問題不同而異，較難求得全局極小點。這些方法中應用最廣的是增加了沖量〔動量〕項的改進 BP算法。 第十五頁，共二十頁。 訓練函數(shù)的選擇 第十六頁，共二十頁。 第十七頁，共二十頁。 第十八頁，共二十頁。 學習率和沖量系數(shù) 學習率影響系統(tǒng)學習過程的穩(wěn)定性。大的學習率可能使網(wǎng)絡權(quán)值每一次的修正量過大，甚至會導致權(quán)值在修正過程中超出某個誤差的極小值呈不規(guī)那么跳躍而不收斂；但過小的學習率導致學習時間過長，不過能保證收斂于某個極小值。所以，一般傾向選取較小的學習率以保證學習過程的收斂性〔穩(wěn)定性〕，通常在 ~。 增加沖量項的目的是為了防止網(wǎng)絡訓練陷于較淺的局部極小點。理論上其值大小應與權(quán)值修正量的大小有關(guān)，但實際應用中一般取常量。通常在 0~1之間，而且一般比學習率要大。 第十九頁，共二十頁。 內(nèi)容總結(jié) 人工神經(jīng)網(wǎng)絡的研究方法及應用 實 例 分 析 2024. 6. 10。 ： “人工神經(jīng)網(wǎng)絡是由具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反響。預處理的方法有多種多樣，各文獻采用的公式也不盡相同。這些方法中應用最廣的是增加了沖量〔動量〕項的改進 BP算法。增加沖量項的目的是為了防止網(wǎng)絡訓練陷于較淺的局部極小點 第二十頁，共二十頁。
高考資料相關(guān)推薦
鄂ICP備17016276號-1