模式识别第八章人工神经网络.pptVIP

  1. 1、本文档共81页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

*本文档共81页;当前第30页;编辑于星期日\16点54分*本文档共81页;当前第31页;编辑于星期日\16点54分*本文档共81页;当前第32页;编辑于星期日\16点54分*本文档共81页;当前第33页;编辑于星期日\16点54分*本文档共81页;当前第34页;编辑于星期日\16点54分*本文档共81页;当前第35页;编辑于星期日\16点54分*本文档共81页;当前第36页;编辑于星期日\16点54分*本文档共81页;当前第37页;编辑于星期日\16点54分*本文档共81页;当前第38页;编辑于星期日\16点54分*本文档共81页;当前第39页;编辑于星期日\16点54分*本文档共81页;当前第40页;编辑于星期日\16点54分1)单层感知器(Pereceptron)感知器是一种双层神经元网络模型,一层为输入层,另一层具有计算单元,可通过监督学习建立模式判别的能力。两层感知器只能解决线性问题。学习的目的:通过改变权值使神经元网络由给定的输入得到给定的输出。单层感知器的输出:从初始权wi(0)和阈值?开始训练。8.4前馈神经元网络*本文档共81页;当前第41页;编辑于星期日\16点54分训练过程:?设理想的输出为?实际输出:用已知类别模式向量或特征向量作为训练集:?当输入为属于第j类特征向量x时,应使对应于该类的输出yj=1,而其它神经元的输出为0(或-1)。为使实际输出逼近理想输出,可反复依次输入训练集中的模式样本,并计算出实际输出,并对权值作如下修改:??……???……?y1y2…...ymx1x2…….xn输入层输出层*本文档共81页;当前第42页;编辑于星期日\16点54分2)多层感知器y1y2…...ymx1x2…….xn输出层隐含层输入层??……???……???……?特点:多层感知器可解决非线性可分问题。设4层感知器:第1隐含层含n1个神经元,各神经元输出为(j=1,2,…,n1)第2隐含层含n2个神经元,各神经元输出为(k=1,2,…,n2)8.4前馈神经元网络*本文档共81页;当前第43页;编辑于星期日\16点54分输出层神经元的输出为第2隐含层第k个神经元的输出为第1隐含层第j个神经元的输出为8.4前馈神经元网络*本文档共81页;当前第44页;编辑于星期日\16点54分BP算法两个过程:正向计算和误差反向传播。正向过程:输入层经隐层单元逐层处理并传向输出层,每一层神经元的状态只影响下一层神经元状态,而不影响同一层。如果在输出层得不到期望的输出,则转入反向传播过程。反向过程:将误差信号沿原来的连接通路返回,通过修正各层神经元的连接权值,使得误差信号最小。多层前馈神经网络缺点:学习较复杂,因中间隐层不直接与外界连接,无法直接计算其误差。由此提出了反向传播(BP)。反向传播算法(BP)*本文档共81页;当前第45页;编辑于星期日\16点54分图示为处于某一层的第j个计算单元,脚标i代表其前层第i个单元,脚标k代表后层第k个单元,Oj代表本层输出,是前层到本层的权值ik反向传播算法(BP)*本文档共81页;当前第46页;编辑于星期日\16点54分为使式子简化,定义局部梯度(正向算法)当输入每个样本时,从前到后对每层各单元作如下计算设网络为单输出y,任一结点i的输出为Oi。(1)(2)(3)(4)ik则结点j的输入为:则结点j的输出为:*本文档共81页;当前第47页;编辑于星期日\16点54分权值修正应使误差最快地减小,修正量为如果节点j是输出单元,则(5)(7)(6)*本文档共81页;当前第48页;编辑于星期日\16点54分如果节点j不是输出单元,由前图可知,Oj对后面层的全部节点都有影响。因此,对于Sigmoid函数有(8)(9-1)*本文档共81页;当前第49页;编辑于星期日\16点54分或者当有为了加快收敛速度,往往在权值修正量中加上前一次的权值修正量,一般称为惯性项(步长?、贯量系数?),即综上所述,反向传播算法步骤如下:(1)选定权系数初始值。(2)重复下述过程至此收敛(对各样本依次计算)。①从前向后各层计算各单元O

文档评论(0)

jessie + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档