人工神經(jīng)網(wǎng)絡建模artificialneuronnets(2)-在線瀏覽
2025-02-21 04:52本頁面
【正文】 誤差平方和達最小： ???nipipi ot12)(min? （ p=1,…,P ） ? （ 2） ? 記 ? Delta學習規(guī)則 : ijijij ???????????PppjpipjPppipiij iiotw11)( ????pi? pipi ot ?（ 4） （ 3） ijw?表示遞推一次的修改量，則有 稱為 學習的速率 ?? ipm= 1 , wim= (第 i個神經(jīng)元的閾值 ) （ 5） ? 注：由 （ 1） ‘ 式 ， 第 i個神經(jīng)元的輸出可表示為 ???mjpjijpi iwfo1)(? 特別當 f是線性函數(shù)時 biwaomjpjijpi ?? ?? 1)(（ 6） ? 圖 7 多層前饋網(wǎng)絡 ? 2． 多層前饋網(wǎng)絡 假設 ： ? （ l） 輸入層不計在層數(shù)之內 ， 它有 N0個神經(jīng)元 ． 設網(wǎng)絡共有 L層；輸出層為第 L層；第 k層有 Nk個神經(jīng)元 ． ? (2) 設 )(iu k表示第 k層第 i神經(jīng)元所接收的信息 wk(i,j) 表示從第 k1層第 j個元到第 k層第 i個元的權重， )(iak表第 k層第 i個元的輸出 ? （ 3） 設層與層間的神經(jīng)元都有信息交換 （ 否則 ，可設它們之間的權重為零 ） ；但同一層的神經(jīng)元之間無信息傳輸 ． ? (4) 設信息傳輸?shù)姆较蚴菑妮斎雽拥捷敵鰧臃较颍灰虼朔Q為前向網(wǎng)絡 ． 沒有反向傳播信息 ． ? （ 5） 表示輸入的第 j個分量 ． )(0 ja? 在上述假定下網(wǎng)絡的輸入輸出關系可以表示為： ???????????????????????????????????????,1)),(()(),()(),()(. . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .,1)),(()(),()(),()(,1)),(()(),()(),()(1101112221212211111011LLLNjLLLLNjNjNiiufiaijajiwiuNiiufiaijajiwiuNiiufiaijajiwiuL???（ 7） ? 其中表示第 k層第 i個元的閾值 . （ 9） ???PppEE1????LNipLpp iaitE12)()( ))()((21? 定理 2 對于具有多個隱層的前饋神經(jīng)網(wǎng)絡；設激發(fā)函數(shù)為 S函數(shù)；且指標函數(shù)取 （ 8） （ 10） ? 則每個訓練循環(huán)中按梯度下降時；其權重迭代公式為 ),(),(),( )( 1)()1()( jajiwjiw plplplpl ?? ?? ??,...,1 Ll ?表示第 1層第個元對第層第個元輸入的第次迭代時的權重 ),()( jiw pl其中 ))(())()(()( )(39。)( ),()())(()(lNjplplplpl ijwjiufi ??.11 ??? LlBP算法 ? Step1 ? 選定學習的數(shù)據(jù) ,p=1,… ,P, 隨機確定初始權矩陣 W（ 0） ? Step2 ? 用 （ 10） 式反向修正 ,直到用完所有學習數(shù)據(jù) . 用學習數(shù)據(jù)計算網(wǎng)絡輸出 ? Step3 ),(),(),( )( 1)()1()( jajiwjiw plplplpl ?? ?? ??,...,1 Ll ?? 五．應用之例：蚊子的分類 ? 已知的兩類蚊子的數(shù)據(jù)如表 1： ? 翼長 觸角長 類別 ? Apf ? Apf ? Apf ? Af ? Apf ? Apf ? Apf ? Af 目標值 ? 翼長 觸角長 類別 ? Af ? Af ? Af ? Af ? Af ? Af ? Af 目標
教學課件相關推薦
鄂ICP備17016276號-1