BP人工神经网络的基本原理模型与实例.pptxVIP

BP人工神经网络的基本原理模型与实例第1页/共26页 本讲大纲：人工神经网络的基本概念误差反向传播(BP)神经网络第2页/共26页 8.1人工神经网络的基本概念 从数学和物理方法以及信息处理的角度，对人脑神经网络进行抽象，并建立某种简化模型，称为人工神经网络。应用领域：模式识别系统辨识预测预估数据挖掘经济学……第3页/共26页 8.1人工神经网络的基本概念 人工神经网络在本质上是由许多小的非线性函数组成的大的非线性函数，反映的是输入变量到输出变量间的复杂映射关系。先给出单个人工神经网络的一般模型描述：第4页/共26页 8.1人工神经网络的基本概念先来看一个单一输入的神经元模型输入变量：x1连接权重：w1激活函数：f (·)?w1x1f (·)?w1x1第5页/共26页 8.1人工神经网络的基本概念???第6页/共26页 8.1人工神经网络的基本概念单极sigmoid函数?第7页/共26页 8.1人工神经网络的基本概念双曲函数?第8页/共26页 8.1人工神经网络的基本概念增加激活阈值后的神经元模型输入变量：x1连接权重：w1激活函数：f (·)?w1x1f (·)?w1x1-θ?-1小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1w1θ10.20.4第9页/共26页 8.1人工神经网络的基本概念当输入增加时的神经元模型输入变量：x1， x2连接权重：w1，w2激活函数：f (·)?w1x1f (·)?w1x1+w2x2-θ?-1w2x2小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1x2w1w2θ100.20.40.4第10页/共26页 8.1人工神经网络的基本概念?w1w2wmxmx2x1............f (·)???-1?第11页/共26页 8.1人工神经网络的基本概念当多个神经元组合起来时，人工神经网络的总体结构如下：输入层隐 藏 层-1-1-1∑ f∑ f........................xmx2x1........................y1y2yn∑ f∑ f∑ f∑ f∑ f∑ f∑ f-1输出层............第12页/共26页 8.1人工神经网络的基本概念当层数增加时的神经元模型输入变量：x1， x2连接权重：w1，w2激活函数：f (·)?w1x1f (·)?w1x1+w2x2-θ?-1w2x2小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1x2w1w2θ100.20.40.4第13页/共26页 8.1人工神经网络的基本概念x1x2x3w14w15w24w25w34w35w46w56θ4θ5θ61010.2-0.30.40.1-0.50.2-0.3-0.20.4-0.2-0.1123456x1x3x2w14w15w24w25w34w35w46w56θ4θ5θ6初始输入、权重和偏倚值小练习：请你算一算，各节点的净输入和净输出分别是多少？第14页/共26页 8.1人工神经网络的基本概念单元 j净输入 Ij净输出 Oj123456x1x3x2w14w15w24w25w34w35w46w56θ4θ5θ6净输入和输出的计算-0.70.10.3320.525-0.1050.47440.2+0-0.5-0.4=-0.75-0.3+0+0.2+0.2=0.16-(0.3)(0.332)-(0.2)(0.525)+0.1=-0.1051/(1+e0.7)=0.3321/(1+e-0.1)=0.5251/(1+e0.105)=0.474第15页/共26页 8.1人工神经网络的基本概念思考： 如果想要让神经网络的期望输出尽可能接近“1”这个数值，请问应该调整网络的哪些参数？第16页/共26页 8.1人工神经网络的基本概念123456x1x3x2w14w15w24w25w34w35w46w56θ4θ5θ6x1x2x3w14w15w24w25w34w35w46w56θ4θ5θ61010.192-0.3060.40.1-0.5080.194-0.261-0.1380.408-0.194-0.218初始输入、权重和偏倚值小练习：若将各权值与阈值换成以上各值，各节点的净输入和净输出分别是多少？第17页/共26页 8.1人工神经网络的基本概念单元 j净输入 Ij净输出 Oj123456x1x3x2w14w15w24w25w34w35w46w56θ4θ5θ6净输入和输出的计算-0.5220.0820.62760.4795-0.18420.545940.192+0-0.306-0.4