第3章神经网络控制091019101010110926121029.pptVIP

3.2.4 神经网络的训练 训练步骤及有关问题： （1）产生数据样本集 确定输入量个数，要求基本不相关；尺度变换(归1化)和预处理，特征提取；训练模式应是连接权总数的5~10倍；检验，三分之二用于训练，三分之一用于检验；数据分布应均匀，不重复，各类兼有。 （2）确定网络的类型和结构 从已有的网络类型中选择一种；选择网络的结构和参数。 （3）训练和测试 训练和测试应交替进行，防止“过度训练”； 测试（检验）误差极小点对应的次数为恰当训练次数。（见孙p139图3.12) *网络性能的衡量标准：测试误差最小。 *选择结点数的原则：选择尽量少的结点数以实现尽量好的泛化能力。 3.3 反馈神经网络 3.3.1 离散Hopfield网络 Hopfield网：一种动态网络。主要用于联想记忆和优化计算。根据输出量是离散量还是连续量，H网分为离散和连续两种。 网络的结构和工作方式 层内联结——侧联结 网络的结构和工作方式（续） 对每一个结点，其工作方式为： 其中wii=0(无自反馈)；f(?)通常取为二值函数（即符号函数或阶 跃函数）。 网络的状态初值就是输入。 网络有两种工作方式： （1）异步（串行）方式：每次只有一个结点进行状态调整， 其余不变。 网络的结构和工作方式（续） （2）同步（并行）方式：所有结点同时进行状态调整。 （续） 其中W是由wij组成的