veraaa10-11-12-13-0930-1012-1014-1019第五章線性判別函數(shù)(人工神經(jīng)元網(wǎng)絡(luò)模型)-閱讀頁(yè)
2024-08-23 10:01本頁(yè)面
【正文】 ? ? ????()o k?()howk2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?第七步，利用隱含層各神經(jīng)元的 和輸入層各神經(jīng)元的輸入修正連接權(quán)。當(dāng)誤差達(dá)到預(yù)設(shè)精度或?qū)W習(xí)次數(shù)大于設(shè)定的最大次數(shù)，則結(jié)束算法。 2111 ( ( ) ( ) )2qmookoE d k y km ??????2 BP網(wǎng)絡(luò)的標(biāo)準(zhǔn)學(xué)習(xí)算法 ?（ 11） BP算法直觀解釋 ?情況一直觀表達(dá) 當(dāng)誤差對(duì)權(quán)值的偏 導(dǎo)數(shù)大于零時(shí)，權(quán)值 調(diào)整量為負(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 回憶 ?激發(fā)函數(shù)一般具有非線性特性 ,常用的非線性激發(fā)函數(shù)如圖所示 (a)閾值型 (b)分段線性型 (c) Sigmoid函數(shù)型 (d)雙曲正切、 常用的激發(fā)函數(shù) 3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?（ 1） 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) 3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的 MATLAB實(shí)現(xiàn) ?（ 2） 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(shuō)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’。tansig39。traingdx39。learngdm39。mse39。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 數(shù)據(jù)標(biāo)準(zhǔn)化： X=(xmin)/(maxmin) 3 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。 5 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) BP算法的優(yōu)缺點(diǎn)： ?優(yōu)點(diǎn)：理論基礎(chǔ)牢固，推導(dǎo)過(guò)程嚴(yán)謹(jǐn)，物理概念清晰，通用性好等。 ?缺點(diǎn)： （ 1）該學(xué)習(xí)算法的收斂速度慢；（ 2）網(wǎng)絡(luò)中隱節(jié)點(diǎn)個(gè)數(shù)的選取尚無(wú)理論上的指導(dǎo)；（ 3）從數(shù)學(xué)角度看， BP算法是一種梯度最速下降法，這就可能出現(xiàn)局部極小的問(wèn)題。所以 BP算法是不完備的
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1