20xx年醫(yī)學專題—人工神經(jīng)網(wǎng)絡(luò)應(yīng)用實例分析-資料下載頁
2024-11-01 12:02本頁面
【正文】 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(luò)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(yīng)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(yīng)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。,3.2 訓練(x249。nli224。n)函數(shù)的選擇,第十六頁，共二十頁。,第十八頁，共二十頁。,3.3 學習率和沖量系數(shù) 學習率影響系統(tǒng)(x236。tǒng)學習過程的穩(wěn)定性。大的學習率可能使網(wǎng)絡(luò)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)則跳躍而不收斂；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0.01~0.8之間。 增加沖量項的目的是為了避免網(wǎng)絡(luò)訓練陷于較淺的局部極小點。理論上其值大小應(yīng)與權(quán)值修正量的大小有關(guān)，但實際應(yīng)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(n232。ir243。ng)總結(jié),人工神經(jīng)網(wǎng)絡(luò)的研究方法及應(yīng)用 實 例 分 析 2008. 6. 10。T.Koholen的定義：“人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，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應(yīng)。1.2 輸入/輸出變量的確定及其數(shù)據(jù)的預(yù)處理。預(yù)處理的方法有多種多樣(duō zhǒnɡ duō y224。nɡ)，各文獻采用的公式也不盡相同。這些方法中應(yīng)用最廣的是增加了沖量（動量）項的改進BP算法,第二十頁，共二十頁。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1