人工神经网络理论(二).pptVIP

人工神经网络理论与应用（二） 汇报人： 导 师： 时 间：2014年10月31日 时间：10月27日至10月31日 BP神经网络的应用 BP神经网络的应用 题目：利用三层BP神经网络来完成非线性函数 逼近任务，其中隐层神经元个数为五个 。 第一步：确定参数。 网络的层数：三层； 每层神经元数：五个； 每层激活函数：双曲正切S型函数 第二步：建立BP网络 第三步：训练网络 ① 设置期望误差最小值mse； ② 最大循环次数； ③ 修正权值的学习速率lr BP神经网络的应用 第四步： 设定各层权值和阀值，并画出训练后得到的结果 霍普菲尔德神经网络的应用 离散型霍普菲尔德网络（DHNN） 连续型霍普菲尔德网络（CHNN) 霍普菲尔德网络 激活函数为二值型硬函数、连续单调上升有界函数； 学习规则为海布学习规则（权值一旦设计好便不再改变）； 偏差b=0,权矩阵wij=wji且wii=0； 应用范围：联想记忆（先学习记忆后联想回忆）、TSP（商旅问题）等。 霍普菲尔德网络 例1 设计一个存储下面4组神经元平衡点的网络 T=[1 1 -1 1;-1 1 1 -1;-1 -1 -1 1;1 1 1 1;-1 -1 1 1] 霍普菲尔德网络 运行结果： 霍普菲尔德网络 例2 演示Hopfield网络出现伪平衡点的 情况,T=[1 -1 ;