神经网络的方法的环境工程.pptVIP

神经网络 ;BP神经网络 ;BP网络整个学习过程的一般步骤如下 ：;④ 计算输出层第k神经元的输入{Lk}和输出层的输出{Ck}，即：;⑦ 调整连接权值和阈值：;⑨ 计算全局误差SSE：;标准BP算法是基于梯度下降法，通过计算目标函数对网络权值和阈值的梯度进行修正。学习过程是通过调整权重和阈值使期望值和神经网络输出值的均方误差趋于最小实现的，只用到均方误差函数对权值和阈值的一阶导数信息。 标准梯度下降法权值和阈值的迭代过程可表示为 ：;BP神经网络的缺点：;对于上述存在的缺点，许多学者对BP???络进行了改进，大多采用基于标准梯度下降的改进方法，如附加动量法、弹性BP算法、自适应调整参数法等或基于标准数值优化的改进方法，如拟牛顿法、共扼梯度法和LM法等，并没有将两种改进方法结合起来。 ;（1）基于标准数值优化的改进 BP神经网络的训练实质上是非线性目标函数的优化问题，标准BP神经网络利用了目标函数的一阶导数信息。本次改进采用“LM”法，它是基于标准数值优化的改进方法，在利用目标函数的一阶导数信息的基础上，还利用了目标函数的二阶导数信息。;μ—阻尼因子（若E(X(k+1))≥E(X(k)), μ(k+1)=10μ(k)；否则μ(k+1)=0.1μ(k)）。; 该方法的优点是当误差减小时步长相应增大，当误差增大时步长相应减小，克服了标准BP算法步长难以确定的缺陷。;基于人工神经网络的综合评价方法步骤;基于人工神经网络的综合评价方法步骤;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络在地下水环境评价中的应用;神经网络时间序列预测模型;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;神经网络时间序列预测模型的步骤;谢谢！