神經(jīng)網(wǎng)絡(luò)之bp神網(wǎng)絡(luò)-文庫吧資料
2024-08-03 23:39本頁面
【正文】 (X2)) ? plot(X2,Y2,’o’) 33 作業(yè) 1： BP訓(xùn)練神經(jīng)網(wǎng)絡(luò) ? 2) 網(wǎng)絡(luò)結(jié)構(gòu)：輸入： 1。re共軛梯度法 16t r a in c g pm a t la b111例七：訓(xùn)練步驟平均中的對(duì)應(yīng)函數(shù)：修正系數(shù)定義：－????kkkkkgggg???26 PowellBeale共軛梯度法 10t r a in c g bm a t la b21例八：訓(xùn)練步驟平均中的對(duì)應(yīng)函數(shù)：負(fù)梯度方向搜索方向被重新定位為條件滿足時(shí)：修正系數(shù)固定，當(dāng)以下kkkggg ???27 量化共軛梯度法 ? 基本思想：融合置信區(qū)間法和共軛梯度法，避免一維搜索 ? ? matlab中對(duì)應(yīng)的函數(shù)：trainscg ? 例九：訓(xùn)練步驟平均 10 28 擬牛頓算法 11t r a in bf gm a t la b11例十：收斂步驟平均擬牛頓）（對(duì)應(yīng)函數(shù)：點(diǎn)，又避免了繁瑣計(jì)算保持了收斂速度快的優(yōu)用替代矩陣（？）的計(jì)算量很大，所以采求陣）（為表現(xiàn)函數(shù)的二次導(dǎo)數(shù)其中＝牛頓迭代法：B F G SAH e s s i anAgAxxkkkkkk???29 一步正割的 BP訓(xùn)練法 ? 介于擬牛頓和共軛迭代之間，節(jié)約存儲(chǔ)空間，簡(jiǎn)化計(jì)算 ? matlab中對(duì)應(yīng)的函數(shù)：trainoss ? 例十一：收斂步驟平均 25，以時(shí)間換取空間 30 LM（ LevenbergMarquardt）法 4m a t la b0][11例十二：收斂步驟平均中對(duì)應(yīng)的訓(xùn)練函數(shù)：，如果訓(xùn)練失敗就增加如果訓(xùn)練成功就減小梯度法較大時(shí)則接近小步長(zhǎng)的時(shí)即是擬牛頓法，可得：是網(wǎng)絡(luò)訓(xùn)練誤差矩陣，是其中梯度：陣，替換以：不用計(jì)算式就可以采用表現(xiàn)函數(shù)是平方和的形t r ai nl meJIJJxxeJ ac obi anJeJgJJHH e s s i ankk?????????????????31 應(yīng)用 BP網(wǎng)絡(luò)的幾個(gè)關(guān)鍵問題 ? 訓(xùn)練算法： 視目標(biāo)要求、網(wǎng)絡(luò)規(guī)模和系統(tǒng)性能等而定 ? 學(xué)習(xí)率： 訓(xùn)練速度和穩(wěn)定性的矛盾 ? 避免局部最優(yōu)： 神經(jīng)元的非線性導(dǎo)致 ? 神經(jīng)元個(gè)數(shù)： 不適性和過適性 32 作業(yè) 1： BP訓(xùn)練神經(jīng)網(wǎng)絡(luò) ? 1)訓(xùn)練集： ? X = 2*pi*rand(1,300)。39。39。xfxfxfExwEyvjjijijlljllj?????????????
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1