BP神经网络解决蚊子分类问题.docVIP

BP神经网络解决蚊子分类问题 BP神经网络解决蚊子分类问题 PAGE BP神经网络解决蚊子分类问题 问题描述： 蚊子的分类问题。 二、BP神经网络的标准学习算法： 正向传播： 输入样本－－－输入层－－－各隐层－－－输出层 判断是否转入反向传播阶段： 若输出层的实际输出与期望的输出不符。 误差反传 误差以某种形式在各层表示－－－－修正各层单元的权值。 网络输出的误差 减少到可接受的程度或达到预先设定的学习次数为止。 解决过程： 1、训练样本 已知的两类蚊子的数据如下图： 确定模型输入/输出结构：两输入、单输出 输入数据有15个，即p=1,2，……，15；j=1,2；对应15个输出。 建模： (输入层、中间层、输出层、每层应选取多少个元素) 建立神经网络 规定目标为： 当t(1)= 时表示属于Apf类， 当t(2)= 时表示属于Af类。 具体训练步骤如下： 令p=0，p为样本编号 (1) 网络初始化 给各连接权值分别赋一个区间（0，1）内的随机数，设定误差函数E，给定计算精度值 和最大学习次数M。 表示第i层第j个神经元的阈值 其中 表示第i层第j个神经元的阈值 其中 根据输入数据计算网络输出 取 取 将各神经元的阈值作为固定输入 = = 同理，输出神经元 EMBED 训练输出单元的权值 PS：利用输出层各神经元的误差项2（1）和隐含层各神经元的输出来修正权值。 取激励函数 取激励函数 则 取学习速率η=（或其他正数，可调整大小） 计算 其中 p为第p个样本， j=1,2,3 计算 j=1,2,3 j=1,2,3 训练隐藏单元的权值 PS：利用隐含层各神经元的误差项 和输入层各神经元的输入来修正权值。 其中i=1,2,3 j=1,2,3 上述4个步骤为：使用第一个样本调整输出层和隐藏层各个神经元的权值。 计算全局误差 当用完所有样本时，判断网络误差是否满足要求。当误差达到预设精度或学习次数大于预设最大次数，则结束算法。否则，返回(2)，进入下一圈学习。 注：仅计算一圈（p=1，2，…，15）往往是不够的，直到误差达到预设精度或学习次数大于设定的最大次数时停止。本例中，共计算了147圈，迭代了2205次。 最后计算结果是： 网络模型的解为： = = 实现结果评价： 成功使用BP神级网络学习方法建模并解决蚊子的分类问题。