BP神经网络实例分析_第1页
BP神经网络实例分析_第2页
BP神经网络实例分析_第3页
BP神经网络实例分析_第4页
BP神经网络实例分析_第5页
已阅读5页，还剩6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

BP神经网络实例分析,蚊子分类问题,正向传播：输入样本输入层各隐层输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出（教师信号）不符误差反传误差以某种形式在各层表示修正各层单元的权值网络输出的误差减少到可接受的程度或达到预先设定的学习次数为止,一、BP网络的标准学习算法-学习过程,已知的两类蚊子的数据如表1：,翼长触角长类别1.781.14Apf1.961.18Apf1.861.20Apf1.721.24Af2.001.26Apf2.001.28Apf1.961.30Apf1.741.36Af,目标值0.90.90.90.10.90.90.90.1,翼长触角长类别1.641.38Af1.821.38Af1.901.38Af1.701.40Af1.821.48Af1.821.54Af2.081.56Af,目标t0.10.10.10.10.10.10.1,训练样本,确定模型输入/输出结构：两输入、单输出,输入数据有15个，即p=1,15;j=1,2;对应15个输出。建模：(输入层、中间层、输出层、每层应选取多少个元素？)建立神经网络,规定目标为：当t(1)=0.9时表示属于Apf类，当t(2)=0.1时表示属于Af类。,(1)网络初始化给各连接权值分别赋一个区间（0，1）内的随机数，设定误差函数E，给定计算精度值和最大学习次数M。,令p=0，p为样本编号,二、具体训练步骤如下：,(2)根据输入数据计算网络输出,=,同理，输出神经元,(3)训练输出单元的权值,取学习速率,（或其他正数，可调整大小）,计算,j=1,2,3,其中p为第p个样本，j=1,2,3,PS：利用输出层各神经元的误差项和隐含层各神经元的输出来修正权值。,(4)训练隐藏单元的权值,其中i=1,2,3j=1,2,3,上述4个步骤为：使用第一个样本调整输出层和隐藏层各个神经元的权值。,PS：利用隐含层各神经元的误差项和输入层各神经元的输入来修正权值。,(5)计算全局误差,当用完所有样本时，判断网络误差是否满足要求。当误差达到预设精度或学习次数大于预设最大次数，则结束算法。否则，返回(2)，进入下一圈学习。,注：仅计算一圈（p=1，2，15）往往是不够的，直到误差达到预设精度或学习次数大于设定的最大次数
人人文库> 全部分类> 应用文书 > 事务文书

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