20xx年醫(yī)學(xué)專題—第八篇變形預(yù)報人工神經(jīng)網(wǎng)絡(luò)法-資料下載頁
2024-11-13 18:02本頁面
【正文】 予輸入層的相應(yīng)(xiāngyīng)結(jié)點，將樣本中的因變量賦予輸出層的相應(yīng)(xiāngyīng)的結(jié)點。 （4）正向傳播過程，即對給定的輸入樣本，從第一隱含層開始，依權(quán)值和激勵函數(shù)的作用在輸出結(jié)點算得網(wǎng)絡(luò)輸出值，并計算網(wǎng)絡(luò)輸出與樣點真實輸出之間的均方差， （5）反向傳播過程，即從輸出層反向計算到第一隱含層，首先計算同一層結(jié)點的誤差 ，然后按梯度法修正權(quán)值，再用修正后的各結(jié)點連接權(quán)值轉(zhuǎn)到第（3步）重新計算,8.2.4 BP網(wǎng)絡(luò)的優(yōu)點及存在的問題 BP網(wǎng)絡(luò)模型(m243。x237。ng)是目前神經(jīng)網(wǎng)絡(luò)模型(m243。x237。ng)中使用最廣泛的一種，,第十七頁，共二十頁。,它有自己的優(yōu)點，也存在一些缺點。BP網(wǎng)絡(luò)主要優(yōu)點如下： （1）算法推導(dǎo)清楚，學(xué)習(xí)精度較高。 （2）從理論上說，可以使多層前饋網(wǎng)絡(luò)學(xué)會任何可學(xué)習(xí)的東西。 （3）經(jīng)過訓(xùn)練后的BP網(wǎng)絡(luò)，運行速度極快，可用于實時處理。 BP也存在不少問題，只要表現(xiàn)在以下方面： （1）BP網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如何確定問題 （2）已學(xué)習(xí)好的網(wǎng)絡(luò)的推廣問題，即能否逼近規(guī)律(guīlǜ)和對于大量未經(jīng)學(xué)習(xí)過程的輸入樣本也能正確處理，并且網(wǎng)絡(luò)是否具有一定的預(yù)測能力。 （3）學(xué)習(xí)算法的收斂速度很慢，通常需要數(shù)千步或更長，甚至還可能不收斂。 （4）由于它的數(shù)學(xué)基礎(chǔ)是非線性優(yōu)化問題，因此，存,第十八頁，共二十頁。,在不少局部最小點，在某些初始值的條件下，算法的結(jié)果會陷入局部最??；另一方面，基于BP網(wǎng)絡(luò)的誤差曲面存在一些平坦區(qū)，在此區(qū)內(nèi)誤差改變很小，這些平坦區(qū)多數(shù)發(fā)生在神經(jīng)元的輸出接近于0或1的情況下。 （5）激活函數(shù)的選取(xuǎnqǔ)問題。 （6）誤差函數(shù)的選取問題。 （7）網(wǎng)絡(luò)訓(xùn)練中參數(shù)的合理設(shè)置，如初始權(quán)重的設(shè)置問題、動量系數(shù) 和學(xué)習(xí)速率 確定的問題、從樣本集合中如何選取訓(xùn)練樣本和測試樣本等。 （8）如何評價已學(xué)習(xí)好的網(wǎng)絡(luò)的性能，即評價準則是什么。,第十九頁，共二十頁。,內(nèi)容(n232。ir243。ng)總結(jié),第八章 變形(bi224。n x237。ng)預(yù)報的人工神經(jīng)網(wǎng)絡(luò)法。人的大腦是自然界所造就的最高級產(chǎn)物。美國加州大學(xué)的Rumelhart和MeClelland以及他們的同事在探索人類知識微結(jié)構(gòu)的過程中簡明的提出一種ANN的誤差反向傳播網(wǎng)絡(luò)通常稱為BP網(wǎng)絡(luò)，對應(yīng)的算法稱為誤差反傳算法，它是當今神經(jīng)網(wǎng)絡(luò)中使用最廣泛的一種。但在BP網(wǎng)絡(luò)則不同，它的每一層之間的連接權(quán)。8.2.4 BP網(wǎng)絡(luò)的優(yōu)點及存在的問題,第二十頁，共二十
法律信息相關(guān)推薦
鄂ICP備17016276號-1