bp神經(jīng)網(wǎng)絡(luò)算法原理-wenkub.com
2025-05-22 22:33 本頁(yè)面
【正文】 這種能力稱(chēng)為泛化能力。 ?=train(,P,T)。)。,39。 ?%創(chuàng)建一個(gè) BP神經(jīng)網(wǎng)絡(luò)，每一個(gè)輸入向量的取值范圍為 [0 ,1]，隱含層有 5個(gè)神經(jīng) %元，輸出層有一個(gè)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(xùn)練函數(shù)為梯度下降函數(shù)，即 算法 ?=newff([0 1。 。 月份 1 2 3 4 5 6 銷(xiāo)量 2056 2395 2600 2298 1634 1600 月份 7 8 9 10 11 12 銷(xiāo)量 1873 1478 1900 1500 2046 1556 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?%以每三個(gè)月的銷(xiāo)售量經(jīng)歸一化處理后作為輸入 ?P=[ 。它是可導(dǎo)函數(shù)，適用于 BP訓(xùn)練的神經(jīng)元。 2111 ( ( ) ( ) )2qmookoE d k y km ?????? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?BP算法直觀(guān)解釋 ?情況一直觀(guān)表達(dá) 當(dāng)誤差對(duì)權(quán)值的偏 導(dǎo)數(shù)大于零時(shí)，權(quán)值 調(diào)整量為負(fù)，實(shí)際輸 出大于期望輸出， 權(quán)值向減少方向調(diào)整， 使得實(shí)際輸出與期望 輸出的差減少。 1( ) ( ) ( )( ) ( )h o o hhoNNh o h o o hew k k h o kww w k h o k? ? ?????? ? ? ????()o k?()howk BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第七步，利用隱含層各神經(jīng)元的 和輸入層各神經(jīng)元的輸入修正連接權(quán)。 ? ?12, , , nx x x?x? ?12, , , ph i h i h i?hi? ?12, , , pho ho ho?ho? ?12, , , qy i y i y i?yi? ?12, , , qyo yo yo?yo? ?12, , , qd d d?od BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?輸入層與中間層的連接權(quán)值 : ?隱含層與輸出層的連接權(quán)值 : ?隱含層各神經(jīng)元的閾值 : ?輸出層各神經(jīng)元的閾值 : ?樣本數(shù)據(jù)個(gè)數(shù) : ?激活函數(shù) : ?誤差函數(shù)： ihwf()?howhb1 , 2 ,km?ob211 ( ( ) ( ) )2qoooe d k y o k???? BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第一步，網(wǎng)絡(luò)初始化 ?給各連接權(quán)值分別賦一個(gè)區(qū)間（ 1， 1）內(nèi)的隨機(jī)數(shù)，設(shè)定誤差函數(shù) e，給定計(jì)算精度值 和最大學(xué)習(xí)次數(shù) M。 ?隱含層輸入向量； ?隱含層輸出向量 。 J. McClelland David Rumelhart BP神經(jīng)網(wǎng)絡(luò)模型 ?三層 BP網(wǎng)絡(luò) BP
外語(yǔ)相關(guān)推薦
鄂ICP備17016276號(hào)-1