5_神经网络.ppt

* 神经网络学习就是不断调整权重的过程。 训练之前，必须将数据集分为训练数据集和测试数据集，将权重指定给第一层的神经元。 大多数软件包使用向后传播方法(Back propagation)，任何一种后向传播算法的最重要部分都是使用误差度量来调整权重。 后向传播神经网络通过更新权重和偏置使得网络预测的误差达到最小。具体步骤如下： 通过输入节点将输入变量加以标准化，标准化后的变量数值落在0和1之间，或者是-1和1之间。 将网络权重初始值设定为0（或随机产生）。通过各节点的函数，估计数据的目标变量值。 * 六、权重和偏置的调整 比较实际值和估计值之间的误差，并根据误差值重新调整各权重和偏置。 重新执行第二步骤，反复执行，一直到实际值和估计值之间的误差值最小，此时才停止学习，此时获得最佳权重。 * * 举例说明权重和偏置的调整过程 1、首先利用随机的方式，产生各神经元间的权重，以及隐藏层与输出层神经元的偏置。 * w14 w15 w24 w25 w34 w35 w46 w56 0.2 -0.3 0.4 0.1 -0.5 0.2 -0.3 -0.2 θ4 θ5 θ6 -0.4 0.2 0.1 2、根据输入信号，计算各隐藏层神经元的输出信号，假设输入的样本是(X1,X2,X3,Y)=(1,0,1,1)。 神经元4： 神经元5： * x1 x2 x3 w14 w15