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
模式识别与机器学习：人工神经网络
第11章 人工神经网络;Table of Contents;11.1 引言;神经元-Neuron;神经网络-Artificial neural network;神经网络发展历史简介;神经网络的特点;神经网络的应用;神经网络的应用;神经网络的应用;神经网络的应用;11.2 神经元;神经元;11.2.2 神经元模型;常用输出函数（ transfer function）;例题;线性输出函数;Sigmoid函数;高斯型函数;11.3 神经网络的学习方法;监督学习方式;非监督学习方式与再励学习方式;Hebb学习规则;误差纠正学习规则;误差纠正学习;竞争学习;11.4 前馈神经网络及其主要方法;前馈 网络;2. (单层)感知器;例题;;感知器学习算法;感知器学习算法;感知器学习算法举例;3. 多层感知器;多层感知器的一致逼近性;XOR问题;4. C-Means算法双层神经网络实现;C-Means算法;5. 多层感知器的训练-反向传播(BP)算法;正向过程;（训练）准则函数与梯度下降法;Case 1: 输出层权值修正;Case 2:隐层权值修正;初始值选择：w(0)
前向计算，求出各层所有神经元的输出
对输出层计算δ
反向计算：从后向前计算各隐层的δ
计算并保存各权值修正量：
修正权值：
判断是否收敛，如果收敛则结束，不收敛则转至Step 2;多层感知器的设计;MLP的演示;6. 径向基函数网络;径向基函数;径向基函数网络结构;径向基函数网络的训练;RBF Demo;RBF的变形PNN：Probabilistic Neural Network;11.5 神经网络模式识别典型方法;ACON应用典型方法;OCON结构应用的典型方法;前馈神经网络与模式识别;前馈神经网络与模式识别;神经网络与贝叶斯分类器;神经网络与贝叶斯分类器;11.6 Matlab神经网络工具箱介绍;11.6.1 Toolbox Introduction;11.6.2 Neuron Model Network Architecture;Network Architecture;11.6.3 Perceptrons;11.6.4 Linear Filters;11.6.5 Backpropagation;11.6.6 Competitive Network;讨论;习题
文档评论（0）