线性神经网络 2-5-2 BP网络 BP学习(训练)算法.pptVIP

例 2-5-2M BP网络 BP学习(训练)算法 BP网络学习训练 BP网络学习训练m252.m某次执行结果 BP网络学习训练m252.m某次执行结果 Command Window: 见数据： w1 b1 w2 b2 d=-1 -1 1 1 y = -0.9237 -1.0011 0.8865 1.0453 结束 * BP神经网络 结构 模型 三层BP网络 Matlab 用 符 号 典型 结构 一例 BP网络BP算法学习(训练) 网络输入样本集： u=[-1 -1 2 2 ; 0 5 0 5] 输出样本集： d=[-1 -1 1 1] 网络训练函数 net=train(net,u,d) u 、 d：期望输入 、输出。 目标函数：均方误差 y：网络输出。 BP网络BP算法学习(训练) Matlab程序： m252.m 学习收敛过程 BP网络学习训练 m252.m某次执行结果 网络输出 y(*)逼近输出样本d(O) BP网络BP算法学习(训练) 与函数“traingd”有关的训练参数： 1. 最大训练次数： net.trainParam.epochs （缺省为100） 2. 训练要求精度： net.trainParam.goal （缺省为0） 3. 学习率： net.trainParam.lr （缺省为0.01） 4. 最大失败次数： net.trainParam.max_fail （缺省为5） 5. 最小梯度要求： net.trainParam.min_grad （缺省为1e-10） 6. 显示训练迭代过程：net.trainParam.show （缺省为25,NaN为不显示） 7. 最大训练时间： net.trainParam.time （缺省inf） BP网络BP算法学习(训练) 训练中，终止训练的条件： 1. 训练次数 最大训练次数epochs 2. 目标函数 要求精度goal 3. 梯度值 要求的min_grad 4. 训练时间 最大训练时间time 只要满足其中的一个条件，训练便会终止。 BP网络学习训练思考与练习 1. 由m252.m及程序执行结果的数据，画网络结构。 2. 若改变网络隐层节点数，隐层节点非线性作用函数， 程序应如何变化？ *