神經(jīng)網(wǎng)絡(luò)之bp神網(wǎng)絡(luò)-展示頁
2024-08-05 23:39本頁面
【正文】 ????函數(shù)導(dǎo)數(shù)：閾值權(quán)值對于隱藏層：閾值權(quán)值對于輸出層：—負(fù)梯度方向—向表現(xiàn)函數(shù)下降最快的方和閾值的修正要沿著指導(dǎo)思想：對網(wǎng)絡(luò)權(quán)值??????16 如何根據(jù)誤差求修正值 為隱藏層學(xué)習(xí)率閾值修正權(quán)值修正隱藏層：為輸出層學(xué)習(xí)率閾值修正權(quán)值修正輸出層：39。39。39。 12 創(chuàng)建 BP神經(jīng)網(wǎng)絡(luò)實(shí)例 ? 例一：創(chuàng)建一個(gè)兩層的 BP網(wǎng)絡(luò) – 設(shè)置訓(xùn)練樣本，非線性 – 對比訓(xùn)練前后網(wǎng)絡(luò)輸出的變化 – 每次訓(xùn)練的結(jié)果并不相同 – 對比不同的神經(jīng)元數(shù)對解決非線性問題的影響（ 1個(gè)、 5個(gè)、 10個(gè)） ? Demo1：要解決的問題越復(fù)雜，需要的隱藏層神經(jīng)元個(gè)數(shù)越多（匹配與過調(diào)） 13 基本 BP學(xué)習(xí)算法 ? 什么是 BP？ －反向傳播 ? 什么東西被反向傳播？ －誤差 ? 為什么要反向傳播誤差？ －使得每一層都有誤差 ? 為什么要使得每一層都有誤差？ －根據(jù)誤差 修正 權(quán)值和閾值 14 如何反向傳遞誤差 ? 輸出節(jié)點(diǎn)的誤差通過輸出層的權(quán)值反向傳播成為隱藏節(jié)點(diǎn)的誤差 jiiijjlljljjljljljjljllllllllllxwne tvne tfjyvyvne tlzltne tfztlztlE?????????????????????其中：個(gè)節(jié)點(diǎn)的誤差為：隱藏層第為輸出層的閾值為隱藏層輸出為輸出層權(quán)值個(gè)輸出的實(shí)際值為第個(gè)輸出的期望值為第其中：個(gè)輸出節(jié)點(diǎn)的誤差為：第系統(tǒng)誤差：)()()()(139。. ? PF 表現(xiàn)（評價(jià)）函數(shù)，默認(rèn)為 39。. ? BLF – 學(xué)習(xí)函數(shù)，默認(rèn)為 39。. ? BTF – 訓(xùn)練函數(shù)，默認(rèn)為 39。1 神經(jīng)網(wǎng)絡(luò)與應(yīng)用 11月 16日 2 第六章 BP網(wǎng)絡(luò) 3 BP網(wǎng)基本概念 ? 目前實(shí)際應(yīng)用中最常用 ? 采用（ Back Propagation－ BP）學(xué)習(xí)算法 ? 多層前饋型神經(jīng)網(wǎng)絡(luò) ? 隱藏層神經(jīng)元傳遞函數(shù)為 S型函數(shù) ? 可以解決非線性問題 ? 用于函數(shù)逼近、模式識別和數(shù)據(jù)壓縮等 4 BP神經(jīng)元模型 5 BP神經(jīng)元常用的 f函數(shù) 0)1,0(),(11Slog)(??????????????ycccapeas i giicpii時(shí)逼近直線時(shí)逼近階越函數(shù)型函數(shù)（壓縮函數(shù)）（對數(shù)）6 BP神經(jīng)元常用的
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1