《BP神經(jīng)網(wǎng)絡實例分析》由會員分享，可在線閱讀，更多相關《BP神經(jīng)網(wǎng)絡實例分析（11頁珍藏版）》請在人人文庫網(wǎng)上搜索。
BP神經(jīng)網(wǎng)絡實例分析,蚊子分類問題,正向傳播：輸入樣本輸入層各隱層輸出層判斷是否轉入反向傳播階段：若輸出層的實際輸出與期望的輸出（教師信號）不符誤差反傳誤差以某種形式在各層表示修正各層單元的權值網(wǎng)絡輸出的誤差減少到可接受的程度或達到預先設定的學習次數(shù)為止,一、BP網(wǎng)絡的標準學習算法-學習過程,已知的兩類蚊子的數(shù)據(jù)如表1：,翼長觸角長類別1.781..961..861..721.24Af2.001..001..961..741.36Af,目標值0.90.90.90.10.90.90.90.1,翼長觸角長類別1.641.38Af1.821.38Af1.901.38Af1.701.40Af1.821.48Af1.821.54Af2.081.56Af,目標t0.10.10.10.10.10.10.1,訓練樣本,確定模型輸入/輸出結構：兩輸入、單輸出,輸入數(shù)據(jù)有15個，即p=1,15;j=1,2;對應15個輸出。建模：(輸入層、中間層、輸出層、每層應選取多少個元素？)建立神經(jīng)網(wǎng)絡,規(guī)定目標為：當t(1)=0.9時表示屬于Apf類，當t(2)=0.1時表示屬于Af類。
,(1)網(wǎng)絡初始化給各連接權值分別賦一個區(qū)間（0，1）內的隨機數(shù)，設定誤差函數(shù)E，給定計算精度值和最大學習次數(shù)M。,令p=0多層神經(jīng)網(wǎng)絡bp算法權值更新過程，p為樣本編號,二、具體訓練步驟如下：,(2)根據(jù)輸入數(shù)據(jù)計算網(wǎng)絡輸出,=,同理，輸出神經(jīng)元,(3)訓練輸出單元的權值,取學習速率,（或其他正數(shù)，可調整大小）,計算,j=1,2,3,其中p為第p個樣本，j=1,2,3,PS：利用輸出層各神經(jīng)元的誤差項和隱含層各神經(jīng)元的輸出來修正權值。,(4)訓練隱藏單元的權值,其中i=1,2,3j=1,2,3,上述4個步驟為：使用第一個樣本調整輸出層和隱藏層各個神經(jīng)元的權值。,PS：利用隱含層各神經(jīng)元的誤差項和輸入層各神經(jīng)元的輸入來修正權值。,(5)計算全局誤差,當用完所有樣本時，判斷網(wǎng)絡誤差是否滿足要求。當誤差達到預設精度或學習次數(shù)大于預設最大次數(shù)，則結束算法。否則，返回(2)多層神經(jīng)網(wǎng)絡bp算法權值更新過程，進入下一圈學習。,注：僅計算一圈（p=1，2，15）往往是不夠的，直到誤差達到預設精度或學習次數(shù)大于設定的最大次數(shù)時停止。本例中，共計算了147圈，迭代了2205次。最后計算結果是：,網(wǎng)絡模型的解為：,=,謝謝！,