[工學(xué)]42人工神經(jīng)網(wǎng)絡(luò)的模型及算法-展示頁
2025-01-28 10:58本頁面
【正文】 是把 n維輸入空間分為 兩個子空間、其分界線為 n1 維的 超越平面 。 01??????niii xBA SS 、i? ????????BASxSxy,1,15 令 ， ，則在（ 1）式中， 其中， 。 （ 2） 輸入一組樣本 和期望的輸出 （亦 稱之為教師信號）。 單層感知器只能滿足線性分類，如果有兩類樣本 A、B，它們不能用一個超平面將它分開，則感知器的學(xué)習(xí)算法不能收斂，得不出任何結(jié)果。但是，它在神經(jīng)網(wǎng)絡(luò)研究中有著重要的意義和地位。 ? 感知器算法是至今存在的眾多算法中最清楚的算法之一。 9 ??1aps1si1 nj?1?p?1? t? q?qL1Lij?jt?pb1bqCtC1CjbjstL圖 BP網(wǎng)絡(luò)結(jié)構(gòu) 輸出層 隱含層 輸入層 ??ia na10 BP網(wǎng)絡(luò) BP(Back Propagation)是誤差逆?zhèn)鞑ィ?Error backpropagation）網(wǎng)絡(luò)的簡稱。 一、網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)算法 典型的 BP網(wǎng)絡(luò)是三層的前向網(wǎng)絡(luò)，即輸入層、隱含層（也稱中間層）和輸出層。 11 ? BP網(wǎng)絡(luò)的學(xué)習(xí)由四個過程組成： “模式順傳播” → “誤差逆?zhèn)鞑ァ?→ “記憶訓(xùn)練” → “學(xué)習(xí)收斂” ? BP網(wǎng)絡(luò)學(xué)習(xí)規(guī)則有時(shí)也稱廣義 δ規(guī)則。, . . .,2,1 ), . . .,( 21 mkaaaA knkkk ??12 對應(yīng)輸入模式的希望輸出向量為 —— 輸出層單元個數(shù)； 中間層各單元的輸入 式中， —— 輸入層至中間層的連接權(quán)； —— 中間層單元的閾值； —— 中間層單元的個數(shù)。 s函數(shù)具有可微分性 —— BP算法中要求函數(shù)可微 飽和非線性特性 —— 增強(qiáng)了網(wǎng)絡(luò)的非線性映射能力 ?????????? nijkiijkj askjkjeesfb11111)(??pj ,...,2,1?jb14 圖 BP網(wǎng)絡(luò)結(jié)構(gòu) 15 計(jì)算輸出層各單元的輸入、輸出 ： 式中， —— 中間層至輸出層連接權(quán)； —— 輸出層單元閾值； —— S函數(shù)； tpjkjjtkt bL ?? ?? ?? 1)( ktkt LfC ?qt ,. .. ,2,1?jt?t?f16 （ 2）誤差的逆?zhèn)鞑? 輸出層各單元的校正誤差： 中間層各單元的校正誤差： )()( tktktk LfCyd t ???mkqt ,...,2,1 。,...,2,1 ?? pj17 ))(1)(()( x
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1