【人工智能】神经网络1_第1页
【人工智能】神经网络1_第2页
【人工智能】神经网络1_第3页
【人工智能】神经网络1_第4页
【人工智能】神经网络1_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

模式分类：杜达著 输入层：单元 i的输入： 单元数量： 单元 i的输出： 单元 i的激活函数：线性函数 隐 层：单元 j的输入： 单元数量： 单元 j的输出： 单元 j的激活函数：非线性函数 输出层：单元 k的输入： 单元数量： c 单元 k的输出： 单元 k的激活函数：非线性函数 两层神经网络分类器 （ 1）分类问题： C类分类 （ 2）特征空间维数： d （ 3）已知条件：训练样本集 其中 为特征向量， 为 c维 目标向量，用以表示 x的类别： （ 4）神经网络结构： （ 5）激活函数：可微的非线性函数 （ 6） 神经网络的训练目标：调整权系数 即所有的 及 ，使得对于训练集中的每一个训 练样本 ，网络的输出尽可能满足： （ 7）优化准则：对于样本集 D，使下述误差函数取得最小值 ： 实际使用中神经网络对新样本的分类：哪一个输出层神经 元的输出值最大 ,就判该样本属于哪一类 . 神经网络学习 1）问题的提出 输入一个样本 (x,t)，计算网络的输出 z，根据 z 与 t的差距调整所有的权系数 ，使 z与 t尽可 能接近，即使 近可能小。应该如何调整 权系数？ 2）权系数的调整方法 （ 1）误差函数： （ 2）计算 ， （ 3）调整权系数 (Gradient Descent Procedure) ： （ 3）对输出层权系数的微分 （ 4）对隐层权系数的微分 （ 5）权系数的调整： 反向传播算法（ Back Propagation） （ 1）对于给定的样本集 ，初始化网 络结构 。初始化权系数 ， 学习速率 ，阈值 ，变量 。 （ 2）从 D中取出第 k个样本 ，根据该样本 更新权系数 ： （ 3） k=K+1，如果 ，令 k
人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论