原创力文档- 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
查看更多
[信息与通信]神经网络2009
如果j在l=0层： 如果j在l=L层： ② 反向计算? 输出单元： 隐元： ③ 修正权值 n=n+1，输入新的样本（或新一周期样本）直至EAV达到预定要求 训练时各周期样本要随机重新排序 XOR的一个简单网络解 x1 x2 y3 y x1 x3 -x2 x1 x2 x3 y 0 0 0 0 0 0 1 0 1 0 1 1 1 1 0 x0 ?30 ?31 ?32 ?41 ?43 ?42 y0 ?40 1400训练周期，结果： ?30=2.6 ?40=7.0 ?43=-11.0 ?31=-7.0 ?41=-5.0 ?32=-7.0 ?42=-4.0 x1 x2 x3 y 0 0 f3(0?-7.0+0?-7.0 +1?2.6) f4(0?-5.0+0?-4.0 +1?-11.0+1 ?7.0)= 0 0 f3(1?-7.0+0?-7.0 +1?2.6) f4(1?-5.0+0?-4.0 +1?-11.0+1 ?7.0)= 1 0 1 f3(0?-7.0+1?-7.0 +1?2.6) f4(0?-5.0+1?-4.0 +1?-11.0+1 ?7.0)= 1 1 1 f3(1?-7.0+1?-7.0 +1?2.6) f4(1?-5.0+1?-4.0 +0?-11.0+1 ?7.0)= 0 竞争学习 赢者通吃 Winner-Take-All 无监督学习 赢者：最大激活测试 x1 x1 xj xm A B N winner 赢者通吃学习规则 Kohonen Learning Rule x1 1.0 9.4 2.5 8.0 0.5 7.9 7.0 2.8 1.2 7.8 x1 1.0 6.4 2.1 7.7 2.2 8.4 7.0 0.8 3.0 6.1 O 1 -1 1 -1 1 -1 -1 1 1 -1 K网学习 Kohonen net Learning 已知：数据表 求：K网无监督分类 ?11 ?12 ?21 ?22 x1 x2 o1 o2 初始化：A：W=[?11, ?12]= [7, 2] B：W=[?21, ?22]= [2, 9] K网：自组织网络 无监督学习 A B ||X(n)-W(n)|| W(n+1) = W(n)+ ?(X(n)-W(n)) 竞争学习规则 ①与X接近的节点，W调整，使得更接近X ②其他节点，W不变 ||(x1,x2)-(?11, ?12)|| ||(1,1)-(7,2)|| =(1-7)2+(1-2)2=37 ||(1,1)-(2,9)|| =(1-2)2+(1-9)2=65 Winner→A W(2)=W(1)+?(X(1)-W(1)) W(2)=W(1)+?(X(1)-W(1)) =(7,2)+0.5((1-7),(1-2))=(7,2)+(-3,-5)=(4,1.5) ||(9.4,6.4)-(4,1.5)||=53.17 ||(9.4,6.4)-(2,9)||=60.15 Winner→A W(3)=(4,1.5)+0.5((9.4-4),(6.4-1.5)) =(6.7,4) ||(2.5,2.1)-(6.7,4)||=21.25 ||(2.5,2.1)-(2,9)||=47.86 Winner→A W(4)=(6.7,4)+0.5((2.5-6.7),(2.1-4)) =(4.6,3.1) Outstar Network Outstar 学习： Y X W-T-A Layer O Layer J I 1 1 1 0 0 0 0 0 0 0 0 0 ① 训练K网，找到Winnner，所有的Winner连接置1,其他神经元连接置0 ② 如果所有输入为同一类，根据输出期望直接连接Winner与相应输出节点的连接值 ③如果输入类不同，利用监督矢量Y进行输出层学习，调整outstar层连接权重,规则如下： W(n+1)=W(n)+?(Y-W(n)) 例：已知：数据如表，表中+1→安全；-1 →危险 x1---推进系统的引擎速度，数据范围[0,10] x2---推进系统的引擎温度，数据
文档评论（0）