第5章医学图像分类技朮.ppt

* 算法基本思想 根据样本的期望输出与实际输出之间的平方误差,利用梯度下降法,从输出层开始,逐层修正权系数。 网络学习： 每个修正周期分两个阶段： 前向传播阶段 反向传播阶段 前向传播阶段 输入样本： 第J层节点输入： 第J层节点的输出： 其中h是隐层节点数 ， f为非线性函数: 第k层节点输入： 第k层节点输出： 其中, c为输出节点数 反向传播阶段 假设输入样本： 期望输出: 经前向传播，网络实际输出为 定义平方误差E为 BP算法以E为准则函数，采用梯度下降法求解使准则函数达到最小值时的权系数。 由于有误差，说明网络权系数不合适，应该进行修正。 式中，η是步长， E与Wkj没有直接关系。 由公式（3）得到 由公式（4）得 式中 由公式（5）得 公式（6）可改写为 隐含层权系数修正： 由公式（1）得 又有 由公式（2）得 由公式（5）得 将公式（11）、（12）代入（10）得 采用单极型Sigmoid函数作激励函数： 类似有： 将公式（15）代入（8）得 将公式（14）代入（13）得 总结 输出层节点权系数修正公式： k