人工神經(jīng)網(wǎng)絡(luò)bppt課件(參考版)
2025-01-08 05:03本頁面
【正文】 已知某地區(qū) 20年的公路運(yùn)量有關(guān)數(shù)據(jù)，對于未來某兩年，若明確該地區(qū)人數(shù)、機(jī)動車數(shù)量、公路面積，要求：預(yù)測該地區(qū)的公路運(yùn)量。 在圖像情況下 ， 像素的數(shù)目決定了輸入節(jié)點(diǎn)的數(shù)目 ， 此時(shí)隱含層結(jié)點(diǎn)可取輸入結(jié)點(diǎn)數(shù)的 10%左右 。 類別數(shù)目； 待逼近的函數(shù)數(shù)目。 1 , ...,???? ? ????? 1 ik jkikjk jkik jkikjkxxx k dxxx m e an xx k dxC. 將 輸 入 各 分 量 線 性 線 性 映 射 至D. 基 于 樣 本 標(biāo) 準(zhǔn) 差 及 樣 本 均 值 的 輸 入 各 分 量 線 性 映 射 對多層網(wǎng)絡(luò)要確定選用幾個隱含層 ？ 1988年 Cybenko指出 ， 若各節(jié)點(diǎn)均采用 S型函數(shù) ， 則 ? 一個隱含層 足以實(shí)現(xiàn)任意判決分類問題； ? 兩個隱含層 足以實(shí)現(xiàn)輸入圖形的任意輸出 網(wǎng)絡(luò)層次選取依經(jīng)驗(yàn)和情況而定 ， 通常不宜過多 。 1 , ...,m a x m i nyxx?????????給 定 樣 本 集 標(biāo) 準(zhǔn) 化 處 理 后 的 樣 本 集， 或 或 iiTdi i idiiiik jkikjk jkx i nxRx y i nyCxxx k dxxA.預(yù) 輸 出 的 標(biāo) 準(zhǔn) 化 處 理 B . 將 輸 入 各 分 量 線 性 映 射3 狀 態(tài) 預(yù) 測 模 型 分 類 模 型 中 的 輸 入 / 輸 的 處 理出至數(shù) 據(jù)? ?? ?? ?? ? ? ?? ?? ?1 , 12 m i n39。 , 1 , ...,39。 1 , ..2.,yy???? ? ????+=+ jk jkk k jkk k jk jkyyykmy y y m e an y k mB . 若 輸 出 的 標(biāo) 準(zhǔn) 化 為 線 性 映 射 至C. 基 于 樣 本 標(biāo) 準(zhǔn) 差 及 樣 本 均 值 的 反 向 線 性 映 射回 歸 模 型 中 的 輸 出 后 處 理預(yù) 處 理數(shù) 據(jù) 的模 式? ? ? ?? ?? ?? ?? ?? ?? ? ? ? ? ?? ?? ?? ? ? ?1, , 1 , ...,39。 Tmk k jk jk jkxxyyyyy y ykm回 歸 模 型 中 的 輸 出A. 若 標(biāo) 準(zhǔn)數(shù) 據(jù)化 為 線 性后 處 理預(yù) 處 理 式的模 映 射 至? ?? ?? ?? ? ? ?? ?? ? ? ?1 , 1m a x m i n39。,0 , 139。39。 1 , ...??????? ? ?? ?????? ? ??????????? 1 1 ik jkikjk jkik jkikjk jkik jkikjkik jkikjkxxx k dxxyyy k myyx m e a n xx k dxy m e a n yykyB. 線 性 映 射 至C. 基 于 樣 本 標(biāo) 準(zhǔn) 差 及 樣 本 均 值 的 線 性 映 射,?????????m? ?? ?? ?? ? ? ? ? ?139。 1 , ...,m a x m i n39。1m a x m i nxxyy???????????????????給 定 樣 本 集 標(biāo) 準(zhǔn) 化 處 理 后 的 樣 本 集 Tdi i idiiTmi i imiiik jkikjk jkik jkikjk jkxRx y i nyRx y i nxxx k dxxyyykyyA. 線 性 映回 歸 模 型 中 的 輸 入 / 輸 出 數(shù)射 至據(jù) 的 預(yù) 處 理, ...,?????????m? ?? ?? ?? ? ? ?? ?? ?? ? ? ?? ?? ?? ?? ?1 , 12 m i n39。 , 1 , .1..,0 , 1m i n39。 主要內(nèi)容 一 . 人工神經(jīng)網(wǎng)絡(luò)基本知識 、 神經(jīng)元與感知器 二 . 前饋神經(jīng)網(wǎng)絡(luò) 、 多層感知器 、 及非線性分類 三 . BP神經(jīng)網(wǎng)絡(luò) 四 . 數(shù)據(jù)處理及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選擇 五 應(yīng)用 /輸出數(shù)據(jù)的處理 回歸或狀態(tài)預(yù)測 ， 數(shù)據(jù)處理方式有所區(qū)別 ? 建模前輸入輸出數(shù)據(jù)的預(yù)處理 —正向標(biāo)準(zhǔn)化 ? 建模后輸入輸出數(shù)據(jù)的后處理 —反向標(biāo)準(zhǔn)化 特征的平移 特征的尺度調(diào)整 ?[0,1],[1,1],[a,a],[0,a] ? ?? ?? ?? ?? ?? ?? ?? ?? ?? ? ? ?? ?? ? ? ?11, , 1 , ...,39。 ④網(wǎng)絡(luò)的預(yù)測能力（泛化能力、推廣能力）與訓(xùn)練能力（逼近能力、學(xué)習(xí)能力）的矛盾 ?？?以 是 如 下 之 一 ：網(wǎng) 絡(luò) 實(shí) 際 輸 出 與 期 望 輸 出 最 近 輪 訓(xùn) 練 中 所 有 權(quán) 值 變 化 算 法 達(dá) 到 最 大 允t t + 1S T E P 3S T E P 3終 止 條 件 終 止 條 件總 誤 差最 大 值算 法 步 驟閾 值閾 值 2?????= 許 的 閾 值 3 總 訓(xùn) 練 次 數(shù)BP網(wǎng)絡(luò)的優(yōu)點(diǎn) ①特別適合于求解內(nèi)部機(jī)制復(fù)雜的問題 BP網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn)了一個從輸入到輸出的映射功能，而數(shù)學(xué)理論已證明 它具有實(shí)現(xiàn)任何復(fù)雜非線性映射的功能 ②具有自學(xué)習(xí)能力 網(wǎng)絡(luò)能通過學(xué)習(xí) 帶正確答案的實(shí)例集 自動提取 “ 合理的 ” 求解規(guī)則 ③網(wǎng)絡(luò)具有一定的推廣、概括能力 。2引 入 慣 性誤 差 反 向 傳 播 過 程慣 性 項(xiàng)項(xiàng) ： 權(quán) 值 修 正? ? ? ?? ?? ?,00~0 ~ 11????? ?????.3.1 .9BP 輸 入 向 量 , 期 望 輸 出 ， 如 小 隨 機(jī) 數(shù) 如 ： 之 間 通 常 固 定 之 間 ； 也 可 動 態(tài) 調(diào) 整 通 常 之 間包 括 輸 入 層 節(jié) 點(diǎn) 數(shù) ； 隱 含 層 數(shù) 目 ； 各 隱 含 層 節(jié) 點(diǎn) 數(shù) 目 ； 輸 出 層 節(jié) 點(diǎn) 數(shù) ； 各 神 經(jīng) 元 節(jié) 點(diǎn) 的 激 活 函 數(shù)最 大 可 允 許 迭 代ppxDS TE P訓(xùn) 練 樣 本權(quán) 值 初 始 化首 先 明 確學(xué) 習(xí) 步 長慣 性算 法 步 驟樣 本 集 的 標(biāo) 準(zhǔn) 化沖 量 項(xiàng) 系 數(shù)確 定 神 經(jīng) 網(wǎng) 絡(luò) 結(jié) 構(gòu) ，設(shè) 定 終 止 條 件 ：處 理 ；? ?? ?0????????????????次 數(shù) 硬 條 件 ； 訓(xùn) 練 精 度 軟 條 件記 訓(xùn) 練 時(shí) 間 時(shí) 間 t以 小 隨 機(jī) 數(shù) 初 始 化 網(wǎng) 絡(luò) 權(quán) 值 ；? ?? ? ? ?? ?? ?? ? ? ?11112 1121,2 , ,1mj=1yfy
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1