bp神經(jīng)網(wǎng)絡(luò)模型ppt課件-閱讀頁
2025-01-20 03:16本頁面
【正文】 為負(fù)，實(shí)際輸 出大于期望輸出， 權(quán)值向減少方向調(diào)整， 使得實(shí)際輸出與期望 輸出的差減少。 hoew??e 0, 此時(shí) Δwho0 who BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 函 數(shù) 名 功 能 newff() 生成一個(gè)前饋 BP網(wǎng)絡(luò) tansig() 雙曲正切 S型 (TanSigmoid)傳輸函數(shù) logsig() 對(duì)數(shù) S型 (LogSigmoid)傳輸函數(shù) traingd() 梯度下降 BP訓(xùn)練函數(shù) BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?MATLAB中 BP神經(jīng)網(wǎng)絡(luò)的重要函數(shù)和基本功能 ?newff() 功能 建立一個(gè)前向 BP網(wǎng)絡(luò) 格式 = newff(PR， [S1 S2...SN1]， {TF1 TF2...TFN1}， BTF， BLF， PF) 說明 為創(chuàng)建的新 BP神經(jīng)網(wǎng)絡(luò)； PR為網(wǎng)絡(luò)輸入取向量取值范圍的矩陣； [S1 S2… SNl]表示網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的個(gè)數(shù)； {TFl TF2… TFN1}表示網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù)，默認(rèn)為‘ tansig’； BTF表示網(wǎng)絡(luò)的訓(xùn)練函數(shù)，默認(rèn)為‘ trainlm’； BLF表示網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)函數(shù)，默認(rèn)為 ‘ learngdm’； PF表示性能數(shù)，默認(rèn)為 ‘ mse’。它是可導(dǎo)函數(shù)，適用于 BP訓(xùn)練的神經(jīng)元。它是可導(dǎo)函數(shù)，適用于 BP訓(xùn)練的神經(jīng)元。 月份 1 2 3 4 5 6 銷量 2056 2395 2600 2298 1634 1600 月份 7 8 9 10 11 12 銷量 1873 1478 1900 1500 2046 1556 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?%以每三個(gè)月的銷售量經(jīng)歸一化處理后作為輸入 ?P=[ 。 。 。]39。 ?%創(chuàng)建一個(gè) BP神經(jīng)網(wǎng)絡(luò)，每一個(gè)輸入向量的取值范圍為 [0 ,1]，隱含層有 5個(gè)神經(jīng) %元，輸出層有一個(gè)神經(jīng)元，隱含層的激活函數(shù)為 tansig，輸出層的激活函數(shù)為 %logsig，訓(xùn)練函數(shù)為梯度下降函數(shù)，即 算法 ?=newff([0 1。0 1],[5,1],{39。,39。},39。)。 ?=。 ?=train(,P,T)。只要能提供足夠多的樣本模式對(duì)供網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，它便能完成由 n維輸入空間到 m維輸出空間的非線性映射。這種能力稱為泛化能力。 小結(jié) ?BP算法背景 ?BP神經(jīng)網(wǎng)絡(luò)模型 ?BP算法 ?基本思想 ?推導(dǎo)過程 ?實(shí)現(xiàn) ?BP神經(jīng)網(wǎng)絡(luò)的 MATLAB函數(shù) ?BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例 ?BP神經(jīng)網(wǎng)絡(luò)與感知器神經(jīng)網(wǎng)絡(luò)的對(duì)比 謝謝！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1