哈工大模式识别—多层神经网络.pptxVIP

第六章 多层神经网络6.1多层感知器网络（MLP，Multilayer Perceptron）神经元模型f称为激活函数解决异或问题的多层感知器 输入层 隐含层 输出层多层感知器的分类原理隐含层实现对输入空间的非线性映射，输出层实现线性分类；非线性映射方式和线性判别函数可以同时学习。激活函数—阈值函数激活函数—线性函数激活函数—对数Sigmoid函数激活函数—双曲正切Sigmoid函数标准的三层感知器网络多层感知器网络的设计选定层数：通常采用三层网络，增加网络层数并不能提高网络的分类能力；输入层：输入层节点数为输入特征的维数d，映射函数采用线性函数；隐含层：隐含层节点数需要设定，一般来说，隐层节点数越多，网络的分类能力越强，映射函数一般采用Sigmoid函数；输出层：输出层节点数可以等于类别数c，也可以采用编码输出的方式，少于类别数c，输出函数可以采用线性函数或Sigmoid函数。三层网络的判别函数形式第k个输出层神经元的输出，其中d为特征维数，nH为隐层节点数。6.2 MLP的训练--误差反向传播算法（BP，Backpropagation algorithm）BP算法的实质是一个均方误差最小算法(LMS)符号定义：训练样本x，期望输出t=(t1,…, tc)，网络实际输出z=(z1,…, zc)，隐层输出y=(y1,…,