7 第七章 学习与进化模型ANN.pptVIP

设学习集有T个样本，记为{x?, t?}，? =1, 2, …, T，其中： 输入 理想输出 计算实际输出，记为： 实际输出 显然有： 因此只需讨论某一个样本点的误差传播，以下略去上标? 故误差函数为： 已知下列记号： 又定义第k个输出神经元和第j个隐层神经元的误差率为： 输出层误差率 隐层误差率 由微分链式法则，计算可得： 输出层误差率 隐层误差率 因此得到： 梯度法求解wij(l) 取步长因子为固定步长?，得到学习规则： 其中?k(2)、?k(1)均与?有关，k=1,2,…,c；j=0, 1,…,M；i=0, 1, …, N。 大纲 学习主体 ANN 遗传算法 群体智能 粒子群优化算法 遗传算法 遗传算法的基本理论是借鉴自然界生物从简单到复杂、低级到高级的优胜劣汰、适者生存的进化机制，其本质是一种求解优化问题的高效并行全局搜索方法 。 遗传算法的主要计算过程是：从随机产生的一个初始种群开始，通过一些算子（选择、交叉、变异）的作用，产生下一代种群，再以新产生的种群为出发点，重复上述过程，直到满足结束准则为止。 遗传算法（GA）把问题的解表示成“染色体”，在算法中也即是以二进制编码的串。并且，在执行遗传算法之前，给出一群“染色体”，也即是假设解。然后，把这些假设解置于问题的“环境”中，并按适者生存的原则，从中选择出较适应环境的“染色体”进行复制，再通过交叉，变异过程产生更适应环