BP人工神经网络的基本原理、模型与实例课件_第1页
BP人工神经网络的基本原理、模型与实例课件_第2页
BP人工神经网络的基本原理、模型与实例课件_第3页
BP人工神经网络的基本原理、模型与实例课件_第4页
BP人工神经网络的基本原理、模型与实例课件_第5页
已阅读5页，还剩20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

第八章人工神经网络法，2016年4月27日本演讲者：从人工神经网络的基本概念误差逆小波(BP)神经网络、8.1人工神经网络的基本概念、数学及物理方法和信息处理的角度抽象人类大脑神经网络，构建了一种简化模型。这称为人工神经网络。应用领域：模式识别系统识别预测数据挖掘经济学.8.1人工神经网络的基本概念，人工神经网络本质上是一个大的非线性函数，由许多反映输入变量和输出变量之间复杂映射关系的小非线性函数组成。首先介绍了单个人工神经网络的一般模型：8.1人工神经网络的基本概念，首先是单个输入神经元模型输入变量：x1连接权重：w1激活函数：f()，8.1人工神经网络的基本概念，8.1人工神经网络的基本概念，单极sigmoid函数，8.1人工神经网络的基本概念，双曲函数，8.1人工神经网络的基本概念，输入增加时神经元模型输入变量：x1，x2连接权重：w1，w2激活函数：f()，小练习：计算当初始输入、权重和激活阈值为以下值时此神经元的净输入和输出值是多少。8.1人工神经网络的基本概念，8.1人工神经网络的基本概念，多个神经元相结合时人工神经网络的整体结构如下：8.1人工神经网络的基本概念，层数增加时神经元模型输入变量：x1，x2连接权重：w1，w2激活函数：f()，8.1人工神经网络的基本概念、初始输入、权重和偏移值、小练习：每个节点的净输入和净输出分别是多少？8.1人工神经网络的基本概念，净输入和输出计算，-0.7，0.1，0.332，0.525，-0.105，0.474，8.1人工神经网络的基本概念，认为：神经网络的预期输出尽可能接近“1”值，8.1人工神经网络的基本概念，初始输入、权重和偏移值，小练习：如果将权重和阈值更改为上述值，则每个节点的净输入和净输出是多少？8.1人工神经网络的基本概念，净输入和输出计算，-0.522，0.082，0.6276，0.4795，-0.1842，0.5459，8.1人工神经网络的基本概念，神经网络计算的难点之一：有效地计算单个连接权重w，8.1人工神经网络的基本概念，神经网络的学习方法：监督学习监督监督监督学习激励学习，8.2误差逆小波(BP)神经网络，逆小波算法分两步进行，即正向传播和逆向进行。1.将传入的采样从输入层传输到隐藏单位一层，通过所有隐藏层，然后传输到输出层。在逐层处理的过程中，每层神经元的状态只影响下一层神经元的状态。在输出层中，将当前输出与预期输出进行比较，如果当前输出不等于预期输出，则进入反向波过程。2.希望在反向波反向波时，将错误信号返回到原来正向传播的路径，并修改每个隐藏层中每个神经元的权重系数，从而使错误信号趋于最小。，8.2误差反向传播(BP)神经网络，8.2误差反向传播(BP)神经网络，每个节点输入误差Errj的计算，err 4=-0.0087，err 5=-0.0065，0.332，0.
人人文库> 全部分类> 行业资料 > 医学制药

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