長春理工大学实习报告.docxVIP

长 春 理 工 大 学学生实习报告_________2013_________~_________2014_________学年第_________2_________学期计算机实习类别________________________________________计算机科学技术学 院________________________________________计算机科学与技术专 业________________________________________110511207学 号________________________________________米丹丹姓 名________________________________________起始周第17周周数1周实习地点东三教912目的：/view/69227.htm \t _blankBP算法，即/view/40051.htm \t _blank误差反向传播（Error Back Propagation, BP）算法。BP算法的基本思想是，学习过程由/subview/54338/8030802.htm \t _blank信号的正向传播与/view/40051.htm \t _blank误差的反向传播两个过程组成。1）正向传播：输入样本－输入层－各隐层（处理）－输出层2）误差反向传播：输出误差（某种形式）－隐层（逐层）－输入层通过收集资料、学习、编码、运行和修改，进一步掌握BP算法的精髓与用途，从而找到更优的算法来解决/view/40051.htm \t _blank误差反向传播问题。要求：（1）具备一定的学习能力和做事认真的态度（2）具备一定的编码基础 （3）掌握BP算法的基本思想 （4）含有隐层的多层前馈网络能大大提高神经网络的分类能力，用BP算法解决权值调整问题 （5）用编码实现BP算法 （6）对代码进行优化、测试，实现最优进度安排及内容：1）初始化2）输入训练样本对，计算各层输出3）计算网络输出误差4）计算各层误差信号5）调整各层权值6）检查网络总误差是否达到精度要求，满足，则训练结束；不满足，则返回步骤2）成绩：指导教师评语（从学生出勤、学习态度、纪律、实习效果、实习报告数据和图样完整性、书定工整等方面给出定性和定量的评价）：指导教师签字： 年 月 日长 春 理 工 大 学 实 习 报 告BP简介：BP算法，误差反向传播（Error Back Propagation, BP）算法。BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法，人们也常把将多层前馈网络直接称为BP网络。1）正向传播：输入样本－输入层－各隐层（处理）－输出层注1：若输出层实际输出与期望输出（教师信号）不符，则转入2）（误差反向传播过程）2）误差反向传播：输出误差（某种形式）－隐层（逐层）－输入层其主要目的是通过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误差信号，进而修正各单元的权值（其过程，是一个权值调整的过程）。注2：权值调整的过程，也就是网络的学习训练过程（学习也就是这么的由来，权值调整）。在实际应用中，80%～90%的人工神经网络模型是采用误差反传算法 或其变化形式的网络模型（简称 BP 神经网络），目前主要应用于函数逼近、模式识别、分 类和数据压缩或数据挖掘。BP模型：BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。（1）节点输出模型隐节点输出模型：Oj=f(∑Wij×Xi-qj) (1)输出节点输出模型：Yk=f(∑Tjk×Oj-qk) (2)f-非线形作用函数；q -神经单元阈值。（2）作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取为长 春 理 工 大 学 实 习 报 告(0,1)内连续取值Sigmoid函数： f(x)=1/(1+e)（3）误差计算模型误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数：tpi- i节点的期望输出值；Opi-i节点计算输出值。（4）自学习模型神经网络的学习过程，即连接下层节点和上层节点之间的权重矩阵Wij的设定和误差修正过程。BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为△Wij(n+1)= h ×Фi×Oj+a×△Wij(n) （5）h -学习因子；Фi-输出节点i的计算误差；Oj-输出节点j的计算输出；a-动量因子。BP收敛性：误差函数是影响收敛速度的首要因素，因为它是权重多维空间的超曲面，该曲面存在着许多大范围的“平坦区”，又存在着大量的局部极小的“沟谷”，从而影响收敛速度，甚至导致难于收敛。对误差的计算采用广义的δ规则。