原创力文档- 1、本文档共29页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
原创神经网络PPT
神经网络 Neural Networks 苏鹏宇 Title “神经网络”这一概念于20世纪七十年代提出。 但实际上多层感知器早在50年代就已经有人提出，多层感知器是神经网络的雏形。 因此，首先简单介绍背景知识——感知器 感知器 首先看一个线性可分问题 x1 x2 Title 把这两类点分开非常简单，只要定义一个线性判别函数 那线性不可分怎么办呢？ 看一个例子 Title 黑色代表一类点，红色代表一类点。怎么把他们分开呢？ Title 也就是将向量x映射到y空间 y=(1,x,x2)T g(x)=a1+a2x+a3x2 这样用一个简单的二次函数就可以判断了 Title 简单起见，我们设x0=1 y=(1,x1,x2……xd)T a=(w0,w1,w2……wd) 这个简单线性分类器的图示 它的输出就是一个简单的符号函数。大于某一值，输出1；否则，输出零。 把这些单元组成多层结构，就是多层感知器 Title 1969年Minsky和Paper发表《感知器》一书，论证了简单线型感知器的局限性。并且指出多层感知器还不能找到有效的计算方法。 70代中后期重新提起神经网络概念。 80年代BP网络 神经网络 理论上讲，三层神经网络就可以以任意精度逼近任意函数 Title Title 净函数，激活函数 净函数要具备的几个特征： 首先f要有非线性，否则三层网络将不提供高于两层网络的计算能力 第二：饱和性，即存在最大最小值 第三是连续性和光华性 第四是单调性 反向传播算法BP网络 解决了训练和学习问题！ BP(Back Propagation) 训练过程： 给它一组输入，有对应的输出。我们定义期望的输出值是tk ,实际的输出值zk。定义一种平方和 这里括号里的W表示所有的权值。 反向传播学习规则是基于梯度下降法的：沿着梯度的负方向，收敛速度最快。首先随机赋予权值，一般来说权值应该比较小。然后向误差减小的方向调整。 BP 学习率只表示权值的相对变化尺度 在第m步迭代将权向量更新为 以三层网络为例。考虑第一个隐含层到输出层的权值wjk, BP 敏感度 BP 输入层到隐含层的权值计算是分配问题的关键。 右边的第一项包含了所有的权值wkj BP 隐单元的敏感度 BP
文档评论（0）