人工神经网络评价方法ppt课件.ppt

《人工神经网络评价方法ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、系统综合评价课程演示片人工神经网络评价方法1本节课包括以下内容1.人工神经网络基础知识2.BP网络及BP算法3.实例演示2一、人工神经网络的概念人工神经网络是一个并行、分布处理结构，它由处理单元及连接的无向信号通道互联而成。这些处理单元具有局部内存，并可以完成局部操作。每一个处理单元有一个单一的输出联接，这个输出可以根据需要被分成希望个数的许多并行联接，且这些并行联接的输出相同的信号及相应的处理单元的信号，信号的大小不因分支的多少而变化。处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入连接到

2、达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。3人工神经网络的八个要素一组处理单元处理单元的激活状态输出函数联接模式传递规则激活规则学习规则样本集合4PPD模型图w1iw2iwni…Neti=∑xjwjiai=Fi(ai,neti)oi=f(ai)5二、生物神经网络构成信号处理过程基本特征6神经元及其联接；神经元之间的联接强度决定信号传递强度；神经元之间的联接强度是可以随训练改变；信号可以起刺激作用，也可以起抑制作用；一个神经元接受的信号的累积效果决定其状态；每个神经元可以有一个阈值；7三、人工神经元基本构成对每一个神经元来说都会接受一组输入信

3、号，每个输入信号都对应一个权，所有输入的加权和决定该神经元的激活状态。设：Ｘ＝（ｘ1，x2，．．．，xn）　　输入向量W=(w1，ｗ２，．．．，ｗｎ)联接权向量neti=∑xiwi网络输入net=XW8激活函数希望人工神经元有一个更一般的变换函数，用来执行该神经元所获得的网络输入的变换，这就是激活函数。o=f(net)几种典型的激活函数：9几种典型的激活函数1.线性函数：2.非线性斜面函数：net≥θ-θθnet≤θ10几种典型的激活函数4.S型函数其中，当a=0，b=1时为函数最简单形式，饱和值为：0，111四、联

4、接模式层内联接：本层内的神经元到本层内的神经元的联接，用来加强和完成层内神经元的竞争。循环联接：神经元到自身的联接层间联接：不同层间中的神经元的联接，实现信号的传递12反馈方式中达到平衡的过程层间联接包括前馈信号和反馈信号反馈方式中达到平衡的过程13五、分层结构单级网简单单级网：下面以简单单级网为例，说明神经网络的分层结构，其余形式据此可理解。网络输入向量：Ｘ＝（ｘ1，x2，．．．，xn）网络输出向量：O＝（o1，o2，．．．，on）输入层的神经元不对信号做任何处理，只起到扇出作用14简单单级网的网络图x1x2xn......输入层输出层o1o2on15简单单级

5、网权矩阵：W=(wij)输出层第j个元素的网络输入为netjnetj=x1w1j+x2w2j+......+xnwnjNET=(net1,net2,.....,netm)NET=XWO=F(NET)16分层结构单级横向反馈网多极网层次划分非线性激活函数循环网17六、人工神经网络的训练训练：将由样本向量构成的样本集合输入到人工神经网络的过程中，按照一定方式调整神经元之间的联接权，使得网络在接受输入时可以给出适当的输出。18无导师学习不需要目标，训练集中只含有输入向量，训练算法致力于修改权矩阵，使网络对相似输入可以给出相似的输出。19有导师学习在训练中，要求用户在给

6、出输入向量的同时，给出对应的输出向量，二者构成一个训练对。主要步骤：从样本集合中取一个样本(Ai,Bi)计算出实际输出O求D=Bi-O根据D调整权矩阵W每个样本重复这个过程，直到误差不超过规定范围20Delta规则21七、异或问题异或运算x=y其他22一、基本概念BP算法：在于利用输出层的误差来估计输出层的直接前导层的误差，再用这一误差估计更前一层的误差，这就形成了将输出端表现出的误差沿着与输入信号传送的方向逐级向网络的输入端传递的过程。BP网络：使用BP算法进行学习的多级非循环网络。23利用BP网络进行评价的优点它主要根据所提供的数据,通过学习和训练,找出输入

7、与输出之间的内在联系,从而求取问题的解。而不是依据对问题的经验知识和规则,因而具有自适应功能,这对于弱化权重确定中人为的因素是十分有益的。能够处理那些有噪声或不完全的数据,具有泛化功能和很强的容错能力。由于实际综合评估往往是非常复杂的,各个因素之间互相影响,呈现出复杂的非线性关系,人工神经网络为处理这类非线性问题提供了强有力的工具24二、基本BP算法神经元激活函数网络输入：netj=x1w1+x2w2+......+xnwn输出net=0时，o取值0.5，net落在(-0.6,0.6)之间，o的变化率较大，收敛比较快，应把net控制在这个范围内。25网络的拓扑结

8、构输入向量、输出向量的维