神经网络草稿.docxVIP

下载本文档

2
0
约小于1千字
约 5页
2017-01-26 发布于重庆
举报
版权申诉

神经网络草稿.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

神经网络草稿

分形神经网络与深度学习目前主流的深度学习模型大多采用两种策略，其中之一是无监督逐层训练。无监督逐层训练其基本思想是每次训练一层隐节点，训练时将上一层隐节点的输出作为输入，而本层的隐节点的输出作为下一层隐节点的输入，这称为“预训练”；在预训练全部完成后，再对整个网络进行“微调”训练。分形递归神经网络是在无监督训练模型的基础上把每一个或一部分隐层节点变为另一个细分的神经网络模型。在“微调”训练结束后把这一层隐节点的输出反过来对这个隐节点做训练——因为这个隐节点也是一个神经网络！这样保持第一级训练的权重不变，改变隐层节点内部的权重。如图，把第一级神经网络中的每一个节点都设为一个神经网络。次一级的神经网络也可以再次把节点设为更细分的神经网络。如图a3：变量定义：输入： x；各个隐层节点表示：输出： y；各层连接权值：阈值： b（hkm）；第一步：计算训练集，算出第一级各节点的输出、权值与y；第二步：把第一级各个节点的输出当做输入，训练这个节点的二级神经网络，得出二级神经网络各节点的输出、权值与y。第三步：同第二步一样，把第二级神经网络各个节点的输出当做输入，对各个节点的三级神经网络进行训练。函数为：