9.神经网络.pptVIP

我們以鳶尾花數據集為例，由於單層感知器是一個二分類器，所以我們將鳶尾花數據也分為兩類，“setosa”與“versicolor” (將後兩類均看做第2類)，那麼數據按照特徵：花瓣長度與寬度做分類。 標準BP演算法的改進 標準的BP演算法在應用中暴露出不少內在的缺陷： ⑴ 易形成局部極小而得不到全域最優； ⑵ 訓練次數多使得學習效率低，收斂速度慢； ⑶ 隱節點的選取缺乏理論指導； ⑷ 訓練時學習新樣本有遺忘舊樣本的趨勢。 針對上述問題，國內外已提出不少有效的改進演算法。 3.3 誤差反傳（BP）演算法 3 前饋神經網絡 R實戰-神經網絡 library(Rcpp) library(RSNNS) data(iris) iris = iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)] # 將數據順序打亂 irisValues= iris[,1:4] # 定義網絡輸入 irisTargets = decodeClassLabels(iris[,5]) # 定義網絡輸出 # 訓練樣本和檢驗樣本,預設20%劃分為測試樣本 iris