bp神經(jīng)網(wǎng)絡(luò)模型教案-wenkub.com
2025-05-22 22:33 本頁面
【正文】 ?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。 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)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)誤差精度業(yè)進(jìn)一步縮小 BP神經(jīng)網(wǎng)絡(luò)的特點 ?非線性映射能力 ?能學(xué)習(xí)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(xué)方程。 ?=15000。logsig39。0 1。 。 。 ?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)。 who hoew??e 0，此時 Δwho0 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?BP算法直解釋 ?情況二直觀表達(dá) 當(dāng)誤差對權(quán)值的偏導(dǎo)數(shù) 小于零時，權(quán)值調(diào)整量 為正，實際輸出少于期 望輸出，權(quán)值向增大方向 調(diào)整，使得實際輸出與期 望輸出的差減少。 ()h k?1()( ) ( ) ( )()( ) ( )hi h h ii h h i hNNi h i h h ie e h i kw k k x kw h i k ww w k x k? ? ????? ? ?? ? ? ? ? ?? ? ??? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第八步，計算全局誤差 ?第九步，判斷網(wǎng)絡(luò)誤差是否滿足要求。 ?第二步 ,隨機(jī)選取第 個輸入樣本及對應(yīng)期望輸出 ?k? ?12( ) ( ) , ( ) , , ( )nk x k x k x k?x? ?12( ) ( ) , ( ) , , ( )qk d k d k d k?od BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第三步，計算隱含層各神經(jīng)元的輸入和輸出 1( ) ( ) 1 , 2 , ,nh i h i hih i k w x k b h p?? ? ??( ) f( ( )) 1 , 2 , ,hhh o k h i k h p??1( ) ( ) 1 , 2 ,po h o h ohy i k w h o k b o q?? ? ??( ) f( ( )) 1 , 2 ,ooy o k y i k o q?? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第四步，利用網(wǎng)絡(luò)期望輸出和實際輸出，計算誤差函數(shù)對輸出層的各神經(jīng)元的偏導(dǎo)數(shù) 。 ?輸出層輸入向量 。( ) ( 1 )1 e ( 1 e ) ne t ne tne t y y?? ? ? ????根據(jù) S型激活函數(shù)的圖形可知 ,對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，應(yīng)該將 的值盡量控制在收斂比較快的范圍內(nèi) BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?學(xué)習(xí)的過程： ?神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值 ,以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。這樣反復(fù)訓(xùn)練多次，最后，使實際輸出與理想輸出趨于一致。 神經(jīng)元網(wǎng)絡(luò)工作的全部秘密就在于它的權(quán)重值， n nxxx , 21 ????????
公司管理相關(guān)推薦
鄂ICP備17016276號-1