L6-3-2前向式神经网络与算法.pptxVIP

8.1人工神经网络主讲教师:朱孔涛

目录123人工神经网络的基本概念人工神经网络的学习方法前向式神经网络与算法

前向式神经网络与算法03

感知器及算法3.1感知器感知器是具有单层计算单元的神经网络，由线性元件和阈值元件组成。感知器的结构如下图所示，其中X=(x1,x2,…,xn)为n个输入，有m个输出，即O=(o1,o2,...,om)，W=(wij)n×m为连接权矩阵。感知器结构

?注意可以看出，单输出感知器模型就是人工神经单元感知器的数学模型?

网络的输入向量为X=(x1,x2,…,xn)，W=(wji)为网络的连接权矩阵，网络的训练样本集为{(X,Y)|X为输入向量，Y为X对应的输出}。设感知器学习是有导师学习。感知器的训练算法来源于Delta学习规则，其基本思想是：逐步地将样本集中的样本输入到网络中，根据输出结果和期望输出之间的差别来调整网络中的权矩阵。

Step1设置连接权W的初值。对权系数W=(wji)的各个元素置一个较小的随机值。Step2输入样本X=(x1,x2,…,xn)，以及它的期望输出Y=(y1,y2,…,yn)。Step3计算感知器的实际输出值。Step4根据实际输出求误差。多输出感知器学习算法步骤如下：??

Step5用误差ej去调整权值Step6转到step2，一直执行到一切样本均稳定为止。其中，w