数字图像处理与机器视觉-基于MATLAB实现 第12章 神经网络与数字图像处理.pptVIP

12.3.2 BP网络算法流程 12.3.3误差反向传播的流程图与图形解释 k = 1,2,…,s2；i = 1,2,…,s1； j = 1,2,…,r 图 12-13误差反向传播法的图形解释 12.3.3误差反向传播的流程图与图形解释 12.3.4 BP网络训练过程 BP网络训练过程 为了训练一个BP网络，需要计算网络加权输人矢量以及网络输出和误差矢量，然后求得误差平方和。 当所训练矢量的误差平方和小于误差目标，训练则停止； 否则在输出层计算误差变化，且采用反向传播学习规则来调整权值，并重复此过程。 当网络完成训练后，对网络输人一个不是训练集合中的矢量，网络将以泛化方式给出输出结果。 在动手编写网络的程序设计之前，必须首先根据具体的问题给出的输人矢量P与目标矢量T，并选定所要设计的神经网络的结构，其中包括以下内容： ①网络的层数； ②每层的神经元数； ③每层的激活函数。 12.3.4 BP网络训练过程 示例：用两层网络为例来叙述BP网络的训练步骤。 1)用小的随机数对每一层的权值W和偏差B初始化，以保证网络不被大的加权输入饱和；并进行以下参数的设定或初始化： a)期望误差最小值err_goal ； b)最大循环次数max_epoch ； c)修正权值的学习速率r，一般情况下lr =0.01~0.7； d)从1开始的循环训练: for epoch=1：max_epoch