遥感影像识别-第六章神经网络在模式识别中的应用PartⅣ.pptVIP

4) 反向传播法沿着误差表面的梯度下降，使网络误差最小，网络有可能陷入局部极小值； 5) 附加动量法使反向传播减少了网络在误差表面陷入低谷的可能性并有助于减少训练时间； 6) 太大的学习速率导致学习的不稳定，太小值又导致极长的训练时间。自适应学习速率通过在保证稳定训练的前提下，达到了合理的高速率，可以减少训练时间； 7) 80％—90％的实际应用都是采用反向传播网络的。改进技术可以用来使反向传播法更加容易实现并需要更少的训练时间。 4.8 课后实验 学习Matlab NN toolbox 练习读取TXT文件 练习感知器算法 练习BP算法 常州市土地利用总体规划（2006-2020年）大纲 遥感影像识别第六章:神经网络在模式识别中的应用 Part Ⅳ 1. 主要内容 概 论 神经元与网络结构 感知器模型 反向传播网络模型 遥感图像处理试验 反向传播网络(Back-Propagation Network，简称BP网络)是一种多层前向反馈神经网络，其神经元的变换函数是S型（Sigmoid）函数，因此输出量为0到1之间的连续量，它可以实现从输入到输出的任意的非线性映射。 由于其权值的调整采用反向传播的学习算法，因此被称为BP网络。 BP网络主要用于： 1) 函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近—个函数； 2) 模式识别：用一个特