人工智能bp網(wǎng)絡(luò)ppt課件(參考版)
2025-05-08 22:30本頁(yè)面
【正文】 purelin39。tansig39。 TP=[diap_frep max_epoch err_goal lr]。 err_goal=。 ? 下面定義訓(xùn)練參數(shù)并進(jìn)行訓(xùn)練： disp_fqre=10。[W2,B2]=rands(S2,S1)。S1=5。 ? 首先對(duì)網(wǎng)絡(luò)進(jìn)行初始化： ? [R,Q]=size(P)。 下面給出一個(gè)典型的用來(lái)進(jìn)行函數(shù)逼近的兩層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，它具有一個(gè)雙曲正切型的激活函數(shù)隱含層，其輸出層采用線性函數(shù)。 3：進(jìn)階任務(wù)：隱含層數(shù)量 3的訓(xùn)練效果比較。 2：函數(shù) 3，要求在 X1X2平面內(nèi) , 樣本間距為 21*21 (間距 )進(jìn)行訓(xùn)練，繪圖間距 。最后給出不同誤差精度的擬合效果圖 ,并給出訓(xùn)練誤差和訓(xùn)詞次數(shù)的關(guān)系圖。訓(xùn)練后，繪圖以 [0， 2π]等間距取 361個(gè)點(diǎn) (檢測(cè)間距為 π/360)。因此，網(wǎng)絡(luò)往往存在很大的冗余性，在一定程度上也增加了網(wǎng)絡(luò)學(xué)習(xí)的負(fù)擔(dān)。對(duì)于這個(gè)問(wèn)題，可以采用附加動(dòng)量法來(lái)解決。這主要是由于學(xué)習(xí)速率太小造成的，可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率加以改進(jìn)。 信息的正向傳遞 （ 1）隱含層中第 i個(gè)神經(jīng)元輸出為： i=1， 2， … ， s1 （ 2）輸出層第 k個(gè)神經(jīng)元的輸出為：
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1