bp神經(jīng)網(wǎng)絡(luò)詳解與實(shí)例講-wenkub.com
2025-05-22 22:34 本頁面
【正文】 ?容錯(cuò)能力 ? 輸入樣本中帶有較大的誤差甚至個(gè)別錯(cuò)誤對(duì)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(shí)現(xiàn) ?BP網(wǎng)絡(luò)應(yīng)用于藥品預(yù)測(cè)對(duì)比圖 ? 由對(duì)比圖可以看出預(yù)測(cè)效果與實(shí)際存在一定誤差，此誤差可以通過增加運(yùn)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(diǎn) ?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。 ? sim(,P) ? plot(i,T,39。 ? =15000。logsig39。0 1。它是可導(dǎo)函數(shù)，適用于 BP訓(xùn)練的神經(jīng)元 。 MATLAB本身帶有神經(jīng)網(wǎng)絡(luò)工具箱，可以大大方便權(quán)值訓(xùn)練，減少訓(xùn)練程序工作量，有效的提高工作效率 . BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ? MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 函 數(shù) 名 功 能 newff() 生成一個(gè)前饋 BP網(wǎng)絡(luò) tansig() 雙曲正切 S型 (TanSigmoid)傳輸函數(shù) logsig() 對(duì)數(shù) S型 (LogSigmoid)傳輸函數(shù) traingd() 梯度下降 BP訓(xùn)練函數(shù) BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ? MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 ? newff() ?功能 建立一個(gè)前向 BP網(wǎng)絡(luò) ?格式 = newff(PR， [S1 S2...SN1]， {TF1 TF2...TFN1}， BTF， BLF， PF) ?說明 為創(chuàng)建的新 BP神經(jīng)網(wǎng)絡(luò)； PR為網(wǎng)絡(luò)輸入取向量取值范圍的矩陣； [S1 S2…SNl] 表示網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的個(gè)數(shù)； {TFl TF2…TFN1}表示網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù)，默認(rèn)為‘ tansig’； BTF表示網(wǎng)絡(luò)的訓(xùn)練函數(shù)，默認(rèn)為‘ trainlm’； BLF表示網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)函數(shù)，默認(rèn)為‘ learngdm’； PF表示性能數(shù)，默認(rèn)為‘ mse’。通常在 0~1之間，而且一般比學(xué)習(xí)率要大。 隱層節(jié)點(diǎn)數(shù) 學(xué)習(xí)率和沖量系數(shù) 大的學(xué)習(xí)率可能使網(wǎng)絡(luò)權(quán)值每一次的修正量過大，甚至?xí)?dǎo)致權(quán)值在修正過程中超出某個(gè)誤差的極小值呈不規(guī)則跳躍而不收斂；但過小的學(xué)習(xí)率導(dǎo)致學(xué)習(xí)時(shí)間過長(zhǎng)，不過能保證收斂于某個(gè)極小值。在設(shè)計(jì) BP網(wǎng)絡(luò)時(shí)可參考這一點(diǎn)， 應(yīng)優(yōu)先考慮 3層 BP網(wǎng)絡(luò)（即有 1個(gè)隱層）。而且，為監(jiān)控訓(xùn)練（學(xué)習(xí)）過程使之不發(fā)生“過擬合”和評(píng)價(jià)建立的網(wǎng)絡(luò)模型的性能和泛化能力，必須將收集到的數(shù)據(jù)隨機(jī)分成訓(xùn)練樣本、檢驗(yàn)樣本（ 10%以上）和測(cè)試樣本（ 10%以上） 3部分。 ?多變量系統(tǒng) ：神經(jīng)網(wǎng)絡(luò)的輸入和輸出變量的數(shù)目是任意的，對(duì)單變量系統(tǒng)與多變量系統(tǒng)提供了一種通用的描述方式，不必考慮各子系統(tǒng)間的解耦問題。 ?并行分布處理方式 ：在神經(jīng)網(wǎng)絡(luò)中信息是分布儲(chǔ)存和并行處理的，這使它具有很強(qiáng)的容錯(cuò)性和很快的處理速度。)1()( xxeexf????))1(())1()1(()1( 239。 ? 設(shè)兩個(gè)權(quán)重系數(shù)矩陣為： ???????)3,2()2,2()1,2()3,1()2,1()1,1(1111111 W? ?)3,1()2,1()1,1( 2222 W ?)()3,( jjw ii ?? 為閾值 其中 分析如下： 為第一層的輸出 ， 同時(shí)作為第二層的輸入 。)( ),()())(()( lNjplplplpl ijwjiufi ??.11 ??? LlBP算法 Step1 ? 選定學(xué)習(xí)的數(shù)據(jù) ,p=1,… ,P, 隨機(jī)確定初始權(quán)矩陣 W（ 0） Step2 ? 用 （ 10） 式反向修正 ,直到用完所有學(xué)習(xí)數(shù)據(jù) . ? 用學(xué)習(xí)數(shù)據(jù)計(jì)算網(wǎng)絡(luò)輸出 Step3 ),(),(),( )( 1)()1()( jajiwjiw plplplpl ?? ?? ??,...,1 Ll ?五．應(yīng)用之例：蚊子的分類 ? 已知的兩類蚊子的數(shù)據(jù)如表 1： ? 翼長(zhǎng) 觸角長(zhǎng) 類別 ? Apf ? Apf ? Apf ? Af ? Apf ? Apf ? Apf ? Af 目標(biāo)值 ? 翼長(zhǎng) 觸角長(zhǎng) 類別 ? Af ? Af ? Af ? Af ? Af ? Af ? Af 目標(biāo) t ? 輸入數(shù)據(jù)有 15個(gè) ， 即 , p=1,… ,15。 ” 表示． ? 得到的結(jié)果見圖 1 ? 圖 1飛蠓的觸角長(zhǎng)和翼長(zhǎng) ? 思路 ： 作一直線將兩類飛蠓分開 ? 例如；取 A＝ （ ， ） 和 B＝ (， )，過 A B兩點(diǎn)作一條直線： ? y＝ ? 其中 X表示觸角長(zhǎng)； y表示翼長(zhǎng)． ? 分類規(guī)則 ： 設(shè)一個(gè)蚊子的數(shù)據(jù)為 （ x, y） ? 如果 y≥ ， 則判斷蚊子屬 Apf類； ? 如果 y＜ ；則判斷蚊子屬 Af類 ． ? 分類結(jié)果 ： (， )， (， )屬于 Af類；(， ） 屬于 Apf類 ． 圖 2 分類直線圖 ?缺陷： 根據(jù)什么原則確定分類直線？ ? 若取 A=(,), B=(,)不變 ， 則分類直線變?yōu)?
語文相關(guān)推薦
鄂ICP備17016276號(hào)-1