神經(jīng)網(wǎng)絡(luò)之bp神網(wǎng)絡(luò)(已改無錯字)
2022-08-18 23:39:48 本頁面
【正文】 又避免了繁瑣計算保持了收斂速度快的優(yōu)用替代矩陣（？）的計算量很大，所以采求陣）（為表現(xiàn)函數(shù)的二次導(dǎo)數(shù)其中＝牛頓迭代法：B F G SAH e s s i anAgAxxkkkkkk???29 一步正割的 BP訓(xùn)練法 ? 介于擬牛頓和共軛迭代之間，節(jié)約存儲空間，簡化計算 ? matlab中對應(yīng)的函數(shù)：trainoss ? 例十一：收斂步驟平均 25，以時間換取空間 30 LM（ LevenbergMarquardt）法 4m a t la b0][11例十二：收斂步驟平均中對應(yīng)的訓(xùn)練函數(shù)：，如果訓(xùn)練失敗就增加如果訓(xùn)練成功就減小梯度法較大時則接近小步長的時即是擬牛頓法，可得：是網(wǎng)絡(luò)訓(xùn)練誤差矩陣，是其中梯度：陣，替換以：不用計算式就可以采用表現(xiàn)函數(shù)是平方和的形t r ai nl meJIJJxxeJ ac obi anJeJgJJHH e s s i ankk?????????????????31 應(yīng)用 BP網(wǎng)絡(luò)的幾個關(guān)鍵問題 ? 訓(xùn)練算法： 視目標要求、網(wǎng)絡(luò)規(guī)模和系統(tǒng)性能等而定 ? 學(xué)習(xí)率： 訓(xùn)練速度和穩(wěn)定性的矛盾 ? 避免局部最優(yōu)： 神經(jīng)元的非線性導(dǎo)致 ? 神經(jīng)元個數(shù)： 不適性和過適性 32 作業(yè) 1： BP訓(xùn)練神經(jīng)網(wǎng)絡(luò) ? 1)訓(xùn)練集： ? X = 2*pi*rand(1,300)。 ? Y = sin(X) + *randn(1,length(X)) ? plot(X,Y,’+’) ? 測試集： ? X2 = 2*pi*rand(1,300)。 ? Y2 = sin(X2) + *randn(1,length(X2)) ? plot(X2,Y2,’o’) 33 作業(yè) 1： BP訓(xùn)練神經(jīng)網(wǎng)絡(luò) ? 2) 網(wǎng)絡(luò)結(jié)構(gòu)：輸入： 1。 隱含： 7 tanh元 。 輸出 1 線性元 ? 訓(xùn)練算法 : BP算法 , LevenbergMarquardt算法 ? 3) 要求： – a) 比較一般 BP算法（ trainbp） ,自適應(yīng)變步長 BP算法 (trainbpa), LevenbergMarquardt(trainlm)算法的收斂時間和精度，給出每一次迭代后的性能指標； – b) 測試以上模型的精度。 – c) 比較 20個隱含元的神經(jīng)網(wǎng)絡(luò)建模精度，初始權(quán)值的影響，得出你的結(jié)論。 34 作業(yè) 1附加： BP網(wǎng)絡(luò)用于 Xor問題 要求（檢驗樣本） p=[0 0 1 1。0 1 0 1]。 t=[0 1 1 0]。 方法不限 35 應(yīng)用 BP網(wǎng)絡(luò)進行函數(shù)逼近 ? 例十三：逼近頻率可變的正弦函數(shù)，觀察函
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1