数据挖掘-向后传播算法.pptVIP

后向传播分类 什么是后向传播？ 后向传播是一种神经网络学习算法 神经网络的定义 神经网络是一组连接的输入/输出单元，其中每个连接都与一个权相相联。在学习阶段，通过调整神经网络的权，使得能够预测输入样本的正确类标号来学习，由于单元间的连接，神经网络学习又称为连接者学习 多向前馈神经网络 定义网络拓扑 对输入值规格化，使他们落入0.0到1.0之间 离散值属性可重新编码，是的每个阈值一个输入单元 一个输出单元可以用来表示两个类，如果多于两个类，每个类使用一个输出单元 后向传播 后向传播 初始化权 网络的权初始化为很小的随机数，每个单元有个偏置，偏 置也类似地初始化为小随机数 向前传播输入 计算隐藏层和输出层每个单元的净输入和输出： 训练样本提供给网络的输入层； 隐藏层和输出层的每个单元的净输入用其输入的线性组合计算 后向传播 给出隐藏层和输出层的单元j，到单元j的净输入Ij为 隐藏层和输出层的每个单元取其净输入，然后将赋活函数作用于它，该函数用符号表现单元代表的神经元活性，使用logistic或simoid函数。给定单元J的净输入Ij，则单元j的输出Oj用下式计算： 该函数又称挤压函数，即将一个较大的输入值域映射到较小的区间0到1 后向传播误差 通过更新权和反映网络预测误差的偏置，向后传播误差。对于输出