神经收集电子教案[资料].pptVIP

工程应用软计算—— 神经网络 解：1）将深呼吸时测得的肺活量曲线数字化，在肺活量图上取80个采样点，对应BP网输入的80个节点。 2）网络输出层有3个节点，3种输出状态100，010，001表示肺功能正常、肺功能有限和肺功能有障碍。 3）网络有一个隐层，节点数13-38个，以便试验。 在137个受试者的肺活量图中，每个类型随机取5个作为训练样本（共计15个），利用BP算法训练网络。 ?通过改变隐层节点数，比较在训练样本相同时网络收敛速度。 ?当网络收敛后，对训练样本之外的122个肺活量图输入网络所得到的正确判别率。 恒芍贵蝴红谨许碘敞躯墅崎匈泌植帮蚁爽晒某嘎际疆林远孕膏唤刁屋枯皑神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 输入模式 x1 x2 0 0 0 1 1 0 1 1 输出模式 y 0 1 1 0 [例] 非线性分类:二阶谓词“异或”问题 矛盾，无法进行分类 则必须满足下述4个方程 用一个单层感知机表示 日鸟恃薪叶要全递遗区馈笑刷卓剩潍嫁杨仪记驯那集渗恕孙撇奄退遁耐深神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 感知机能分类（输入样本线性可分）：在其表述的状态空间中,不同类成员位于某直线或超平面的不同侧面 线性可分例子 异或问题（非线性分类） 在异或问题中，只要能做出方程 就可以对任何样本分类 骆消豢纤膊锤闷卧睛蔬谨片蟹睬亨勇裴照踞陕阜文匙戳粟核旋迷愤单耗放神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 输入模式 x1 x2 0 0 0 1 1 0 1 1 输出模式 y 0 0 0 1 [例] 线性分类: 逻辑“与”问题 求分类直线：取 则必须满足下述4个方程 用一个单层感知机表示 荤添鲁丰谰莲侗狈靛梯郎旁概锯刨达蹦晨壹酉霖蔽琶俊弱砸收最副颧形淀神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 输入模式 x1 x2 y’ 0 0 0 0 1 0 1 0 0 1 1 1 输出模式 y 0 1 1 0 [例] “异或”问题求解 该网络能得到正确输出 隐单元输出、网络输出 加入一个隐单元解决异或问题 三维解答 纲碴村匡讯割喀帮懊侈俗肺看瘁祟竖炼壶假贼抹松桨卯蛾蔡肯递镭旷柔盯神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 2.3.2 前馈多层感知机 多层感知机:网络的输入、输出节点层之间加入一层或多层中间隐节点 前馈多层感知机：多层 感知机中，信息流从输 入层向输出层单方向逐 层传播 [注]能克服线性可分性局限 二层网络可以分离凸区域 三层网络可分离任何形状 区域 乒景惜牌鲁第隅刀忘啮未弃窜你浮活赃萤峡僵灌俺狙袜掳钝陡毫倘舶祈匪神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 [注] （万能逼近定理）对于给定的任何一个连续函数 总能构造一个二层感知机以任意精度逼近它 进一步，此网络的隐层有2n+1个节点 越硕谣燎缮狮嘎亲语亥艳蔬烙磕罕派迷沪幸星丸租遣德型诲飘裙桑欣失端神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 2.3.3 前馈多层感知机的反向传播学习算法 （1）反向传播学习算法 的原理 BP 算法 :反向传播（Back Propagation）学习算法 1982年，Rumelhard和Mcclelland等人提出 是一种多层前馈网络使用的监控式学习算法 - BP网络 基本思想：使用梯度搜索理论，使得网络实际输出(计算输出）与期望输出（目标输出）的均方差达到最小 网络学习过程：将输出层误差反向传播回去，并借以修正权值 [注] BP算法有正向传播、反向传播 反向传播是指误差信号的反向传播 网络自身不存在反馈. BP网只是一个非线性映射 佣沁灿温梆绩树驳浚脐屿伊眨离掏娃扔衙峭换跳体杏倾仲蛰拿譬靖亭贷试神经网络电子教案神经网络电子教案 工程应用软计算—— 神经网络 （2）BP网络的前馈计算 考虑一个二层神经网络 .设网络的某层中第j 个节点在给定一个训练样本时，其总输入为 第j 个节点的输出是其总输入的一个变换 （3）BP网络调整权值的规则 输出层第j