模式识别神经网络分类.pptVIP

模式识别神经网络分类 * * 第一页，共二十三页，2022年，8月28日 人工神经网络学习概述 人工神经网络提供了一种普遍且实用的方法从样例中学习值为实数、离散值或向量的函数。 人工神经网络对于训练数据中的错误健壮性很好。 人工神经网络已被成功应用到很多领域，例如视觉场景分析，语音识别，机器人控制。 其中，最流行的网络和算法是20世纪80年代提出的BP网络和BP算法， BP算法使用梯度下降法来调节BP网络的参数以最佳拟合由输入-输出对组成的训练集合。 * * 第二页，共二十三页，2022年，8月28日 BP算法概述 1、BP算法的出现 非循环多级网络的训练算法 UCSD PDP小组的Rumelhart、Hinton和Williams1986年独立地给出了BP算法清楚而简单的描述 1982年，Paker就完成了相似的工作 1974年，Werbos已提出了该方法 2、弱点：训练速度非常慢、局部极小点的逃离问题、算法不一定收敛。 3、优点：广泛的适应性和有效性。 * * 第三页，共二十三页，2022年，8月28日 BP网络的基本结构 * * 第四页，共二十三页，2022年，8月28日 确定BP网络的拓扑结构 在开始训练之前，需要确定网络的拓扑结构：出入层神经元的个数、隐含层神经元的层数及每一层神经元的个数、输出层神经元的个数。 对训练样本中的每一属性的值进行归一化，使其值落在（0，1）区