bp神經網絡方法ppt課件-文庫吧資料
2025-01-11 03:16本頁面
【正文】 。 設輸入模式向量 ， ，共 M類。 x 1 x 2 x n ? y M y 1 ? ? ? 感知器結構示意圖 * 雙層（輸入層、輸出層）； * 兩層單元之間為全互連； * 連接權值可調。 —— 前饋網絡 沒有明顯層次，任意兩個神經元之間可達，具有輸出 單元到隱層單元或輸入單元的反饋連接 。 神經網絡的學習體現(xiàn)在： η：學習因子； 權值變化； 網絡結構變化。 由 有： )()( txtyii ?)]()([)()1( txtytwtw ijijij ???? 神經元間的連接 2. δ學習規(guī)則 （ 3）更新權值，閾值可視為輸入恒為（－ 1）的一個權值； （ 1）選擇一組初始權值 wij(1)； （ 2）計算某一輸入模式對應的實際輸出與期望輸出的誤差； )()]([)()1( txtydtwtw ijjijij ???? ?式中， （ 4）返回 (2) ，直到對所有訓練模式網絡輸出均能滿足要求。 神經網絡的最重要特征之一。 0 1 y θ （ a） 0 1 y （ b ） y （ c ） 0 1 閾值型 S型 偽線性型 f 為閾值型函數(shù)時： ?????? ?? ??niii xwy1s g n ?1??? nw?設 ，點積形式： )s g n ( T XW?yT11 ],[ ?? nn ?W T1 ]1,[ nxx ??X式中， 神經網絡的學習 學習： 同一個訓練集的樣本輸入輸出模式反復作用于網絡，網 絡按照一定的訓練規(guī)則自動調節(jié)神經元之間的連接強度或拓 撲結構，使實際輸出滿足期望的要求或者趨于穩(wěn)定。 人工神經元間的互連：信息傳遞路徑軸突 突觸 樹突的簡化； 連接的權值：兩個互連的神經元之間相互作用的強弱。 2．生物神經元的工作機制 興奮和抑制兩種狀態(tài)。 回顧性綜述文章“神經網絡與人工智能” 。 Hopfield的兩篇論文提出新的神經網絡模型； 《 并行分布處理 》 出版，提出反向傳播算法。 《 感知器
教學課件相關推薦
鄂ICP備17016276號-1