人工神经网络讲稿ch4.ppt

第4章 BP网络 ;4.1 概述 ;4.2 基本BP算法 ;输出函数分析;网络的拓扑结构;网络的拓扑结构 ;网络的拓扑结构;4.2.2 训练过程概述 ;4.2.2 训练过程概述 ;4.2.3 误差传播分析 ;2、隐藏层权的调整 ;2、隐藏层权的调整;2、隐藏层权的调整;4.2.4 基本的BP算法 ;算法4-1 基本BP算法 ;算法4-1 基本BP算法;4.3 算法的改进 ;算法4-2 消除样本顺序影响的BP算法 ;4.3 对S中的每一个样本（Xp,Yp）： 4.3.1 计算出Xp对应的实际输出Op； 4.3.2 计算出Ep； 4.3.3 E=E+Ep； 4.3.4 对所有i，j根据相应式子计算?p w (L)ij； 4.3.5 对所有i，j：? w (L)ij=? w (L)ij+?p w (L)ij； 4.3.6 k=L-1； 4.3.7 while k≠0 do 4.3.7.1 对所有i,j根据相应式子计算?p w (k)ij； 4.3.7.2 对所有i,j：? w (k)ij=? w (k)ij+?p w (k)ij； 4.3.7.3 k=k-1 4.4 对所有i，j，k：w (k)ij= w (k)ij+ ?w (k)ij; 4.5 E=E/2.0 ;算法4-2 分析 ;算法4-2 分析——冲量设置;4.4 算法的实现 ;算法的主要实现步骤 ;4.2 对每一个样本(X,Y)，执行的操作 ;4.2 对每一个样本(X，Y)，执行的操作;建议 ;4.5 算法的理论基础;用E代表EP，用（X，Y）代表（XP，YP） X=(x1，x2，…，xn) Y=(y1，y2，…，ym) 该样本对应的实际输出为 O=（o1，o2，…，om）;误差测度;最速下降法，要求E的极小点 ;而其中的 ;令;ANj为输出层神经元 ;ANj为输出层神经元;所以，;ANj为隐藏层神经元 ;ANj为隐藏层神经元;ANj为隐藏层神经元;ANj为隐藏层神经元;ANj为隐藏层神经元;4.6 几个问题的讨论 ;4.6 几个问题的讨论 ;4.6 几个问题的讨论