前馈神经网络分析.pptVIP

3.3.2 利用Delta规则预先训练初始连接权（DPT） 　如何通过设置初始连接权，尽可能使得BP网络接近或收敛于全局最小？ DPT方法实际上是使初始连接权设置的最优化方法，其基本思想： 将BP网络分解为若干单一感知器，对每个单一感知器从零连接权开始，利用Delta学习规则开始训练，过程是从输入层→隐含层→ 输出层　 §3.3 初始连接权的设置及其影响 1、错误率达不到预期，无限制地训练 怎么办？ 2、发生震荡怎么办？ 3、影响BP神经网络训练时间的因素有 哪些？ 4、训练数据对于BP神经网络的训练结 果的影响？ 5、其他一些问题？ §3.4 Questions 利用下列BP网络学习网络解决“异或”问题 有二个输入，二个隐含单元和一个输出单元。 激励函数为 ，每层的学习速率都为0.6，下表给出了迭 代一次后的结果 编写BP网络进行“异或”的学习训练算法，使得最终迭代误差小于0.008，并统计 迭代步数。 §3.5 Homework 输 入 期望输出 实际输出 误 差 00 0 0.5 0.5 01 1 0.5 10 1 0.5 11 0 0.5 0.0801 -0.0605 0.0999 -0.0291 0.0579 0.0543 -0.070