非线性分类器_第1页
非线性分类器_第2页
非线性分类器_第3页
全文预览已结束

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

1、1.问题表述第一次作业中已经阐述了线性分类器的设计问题，但是在大多数时候分类样本都是非线性了，如何设计非线性分类器成为一个问题。人工神经网络既可用于线性分类又可用于非线性分类，既可用于两类分类又可用于多类分类，既可用于正态分类也可用于非正态的分类，是一个万用分类器。具体问题可以描述为：设有 N个训练样本(特征向量 z维)，N,分别属于k 类，可以用个理想向量表达如，1 类可以表示为 ，该向量为k 维向量，2 类可以表示为，以此类推，目标是希望最终ANN-BP 能正确分类上述样本，即对于1 类，该网络输出的向量。2.方法叙述人工神经网络没有具体的数学模型，可以描述为下面的步骤：1）构造感知机映射

2、，将原样本映射到新的特征空间，保证在新的空间待分类样本是线性可分的；2）对映射到新特征空间的样本采用感知机线性分类器进行分类。将原特征空间定义为输入层，过渡空间定义为隐层，隐层的数目是不一定的，最终通过的感知机线性分类器定义为输出层。总的来说，人工神经网络就是多个感知机的组合，数学原理是将原始特征空间映射到过渡空间，在过渡空间里非线性问题变成了线性问题，根据最终输出层的感知机个数还可以实现多类分类。上述过程虽然简单，但是如何寻找符合条件的映射成为一个难题，这里就要使用到BP 算法，即反向传播算法。针对上面的具体问题，定义：为输入层特征向量为过渡向量 其中为输出向量，其中其中f 是满足上下有界连续一阶可导的中心及对称的积和函数，具体的形式有很多种。算法步骤如下：1） 定义目标误差函数，设置；2） 正向计算第 步的值得到和的值；3） 反向传播修正： 3.算法实现算法实现及备注见程序。4.结果分析比较 双隐层，第一隐层4个神经元，第二隐层2个神经元，输出层一个神经元，学习速率即步长0.01，误差5*e-3.双隐层，第一隐层15个神经元，第二隐层10个神经元，输出层一个神经元，学习速率即步长0.01，误差5*e-3. 双隐层，第一隐层7个神经元，第二隐层3个神经元，输出层一个神经元，学习速率即步长0.0001，误差5*e-3.从以上可以看出，当第一隐层神经

人人文库> 全部分类> 教育资料 > 辅导培训

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