神经网络基础问题整理6569177649.docxVIP

1神经网络的教材哪本比较经典 神经网络原理Simon Haykin ?叶世？史忠植译神经网络设计神经网络书籍 神经网络模型及其matlab仿真程序设计 周开利（对神经网络工具箱函数及里面神经网络工具箱的神经网络模型的网络 对象及其属性做了详细的论述，后者在神经网络理论与matlab7实现那本书 里面是没有的）神经网络理论与matlab 7实现（这本书对初学这入门还是挺 不错的，看过了，就对matl ab神经网络工具箱有教好的了解）神经网络设计 （我认为这是一木很好的书，讲理论不是很多，看过之后就会对神经网络的原 理有更好的了解）神经网络结构设计的理论与方法（这本书对提高网络的泛化 能力的一些方法做了讲述，并且书后有程序，对网络结构的设计应该是挺有帮 助的）摘自 给初学matlab神经网络的一点建议 2神经网络理论的发展与前沿问题神经网络理论的发展与前沿问题刘永？ 摘 要系统地论述了神经网络理论发展的历史和现状，在此基础上，对其主要发 展趋向和所涉及的前沿问题进行了阐述.文中还作了一定的评论，并提岀了新 的观点. 关键词 神经网络理论，神经计算，进化计算，基于神经科学和数学的研? 查看原文 3神经网络的权值和阈值分别是个什么概念？ ？权值和阈值是神经元Z间的连 接，将数据输入计算出一个输出，然后与实际输出比较，误差反传，不断调整 权值和阈值 假如 p1=[1 1 -1]-p2=[1 -1 -1]*; 属于不同的类须设计分类器将他们分开这里用单层神经元感知器初始权值 w=[0.2 0 .2 0.3] b=-0.3 输岀 a1 a2a1 =hardl ims（w*p14-b ）a2=hardli ms（w*p2+b） 如果不能分开，还须不断调整w,b这里说明一下权值w阈值b而已 简单地说，阈值也可以看作一维权值，只不过它所对应的那一维样本永远是「 （也有的书上说是1）,这样就把输入样本增加了一维，更有利于解决问题. 4神经网络归一化 看了研学和ai创业研发俱乐部神经网络版及振动论坛部分帖子内容，对归一化 做一下整理，冒昧引用了一些他人的观点，有的未列出其名，请谅解 关于神经网络归一化方法的整理由于采集的各数据单位不一致，因而须对数据 进行卜1 , 1］归一化处理，归一化方法主要有如下几种，供大家参考：(by james) 1、 线性函数转换，表达式如下：y=(x?Mi nValue)/(M axValue-Mi nValue) 说明：x、y分别为转换前、后的值，MaxVal ue、MinValu e分别为样本的最 大值和最小值。 2、 对数函数转换，表达式如下：y=log10(x) 说明：以10为底的对数函数转换。 3、 反余切函数转换，表达式如下：y=atan(x)*2/PI 归一化是为了加快训练网络的收敛性，可以不进行归一化处理 归一化的具体作用是归纳统一样本的统计分布性。归一化在Z间是统计的 概率分布，归一化在-1 —4-1之间是统计的坐标分布。归一化有同一、统一和 合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经 网络是以样木在事件中的统计分别几率来进行训练(概率计算)和预测的，归 一化是同一在之间的统计概率分布； 当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时 增加或减小，从而导致学习速度很慢。为了避免岀现这种情况，加快网络学习 速度，可以对输入信号进行归一化，使得所有样木的输入信号其均值接近于0 或与其均方差相比很小。归一化是因为sigmoid函数的取值是0到1之间的, 网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。所 以这样做分类的问题时用［0.9 0.1 0.1 ］就要比用［1 0 0］耍好。但是归一化处 理并不总是合适的，根据输岀值的分布情况，标准化等其它统计变换方法有时 可能更好。 关于用prem nmx语句进行归一化： premnmx 语句的语法格式是：［Pn ,minp,maxp ,Tn,mint,m axt］=premn mx(P,T) 其屮P , T分别为原始输入和输出数据，minp和maxp分别为P屮的最小值 和最大值。mi nt和maxt分别为T的最小值和最大值。 premnmx函数用于将网络的输入数据或输出数据进行归一化，归一化后的数 据将分布在卜1,1］区间内。我们在训练网络时如果所用的是经过归一化的样木 数据，那么以后使用网络吋所用的新数据也应该和样本数据接受相同的预处理, 这就要用到tramnmx。 下面介绍 tramn mx 函数：[Pn]=tramnmx(P,minp,maxp) 其中P和Pn分别为变换前、后的输入数据，maxp和minp分别为 premnmx函数找到的最大值和最小值。 (by terr y2008)