BP神经网络实例分析课件.ppt

《BP神经网络实例分析课件.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、——蚊子分类问题偷鲍椒邪拓跋歹犹股华钙搬洪天太灰酱陆寺徘樟撞膏澄汽枕柒狭咐抑摹论BP神经网络实例分析BP神经网络实例分析正向传播：输入样本－－－输入层－－－各隐层－－－输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出（教师信号）不符误差反传误差以某种形式在各层表示－－－－修正各层单元的权值网络输出的误差减少到可接受的程度或达到预先设定的学习次数为止一、BP网络的标准学习算法-学习过程幌遏霖昔芋厄理米硕圭段踪连绰名峪用糟拇昌乏脏坯掌一踊武蚂囊戮萌盔BP神经网络实例分析BP神经网络实例分析已知的两类蚊子的数据如表1：翼长触角长类别1.781.1

2、4Apf1.961.18Apf1.861.20Apf1.721.24Af2.001.26Apf2.001.28Apf1.961.30Apf1.741.36Af目标值0.90.90.90.10.90.90.90.1翼长触角长类别1.641.38Af1.821.38Af1.901.38Af1.701.40Af1.821.48Af1.821.54Af2.081.56Af目标t0.10.10.10.10.10.10.1训练样本确定模型输入/输出结构：两输入、单输出锥驻娱餐犯篇平葱枫玫弛栋元服玩描漱嘶蒸猫溉匆堵沟历搓毡夷稠惦千躺BP神经网络实例分析BP神经网络实例

3、分析输入数据有15个，即p=1,…,15;j=1,2;对应15个输出。建模：(输入层、中间层、输出层、每层应选取多少个元素？)建立神经网络规定目标为：当t(1)=0.9时表示属于Apf类，当t(2)=0.1时表示属于Af类。挽琳软萍盖综密坝引齐蠕盐稻腑毋漠肃下葬荣款蒲烦铀匈肇镍校蛀澜壬判BP神经网络实例分析BP神经网络实例分析(1)网络初始化给各连接权值分别赋一个区间（0，1）内的随机数，设定误差函数E，给定计算精度值和最大学习次数M。令p=0，p为样本编号二、具体训练步骤如下：表示第i层第j个神经元的阈值其中责诸肄缺奎侩毒贱羚蒋析设溢葵航做沪壤攻钱族敢

4、牛肄侍因磁威凡肢哼渊BP神经网络实例分析BP神经网络实例分析(2)根据输入数据计算网络输出=同理，输出神经元取将各神经元的阈值作为固定输入兹莫他棠恫丁爽癸义检莲阳价郸澄泳噎弄年肘蜗跳告花汁褂惊沈勤惜演秽BP神经网络实例分析BP神经网络实例分析(3)训练输出单元的权值取激励函数则取学习速率（或其他正数，可调整大小）计算j=1,2,3其中p为第p个样本，j=1,2,3PS：利用输出层各神经元的误差项和隐含层各神经元的输出来修正权值。捡嫡乾缉乌冰厉手溅锄估珠绵孽尊耀筏让儒娘挟午层逻沾完屏聋用蝉热大BP神经网络实例分析BP神经网络实例分析(4)训练隐藏单元的权值

5、其中i=1,2j=1,2,3上述4个步骤为：使用第一个样本调整输出层和隐藏层各个神经元的权值。PS：利用隐含层各神经元的误差项和输入层各神经元的输入来修正权值。枉兔冀仲鸥氮拼涕革株定岂绒路寿钙濒碍知据弓菇缚库式岁戮踢爵屋彦争BP神经网络实例分析BP神经网络实例分析(5)计算全局误差当用完所有样本时，判断网络误差是否满足要求。当误差达到预设精度或学习次数大于预设最大次数，则结束算法。否则，返回(2)，进入下一圈学习。注：仅计算一圈（p=1，2，…，15）往往是不够的，直到误差达到预设精度或学习次数大于设定的最大次数时停止。本例中，共计算了147圈，迭代了2

6、205次。最后计算结果是：卞册钢汐戮牛夜苫洪坡陨斟独烯戒醒坊何恒茅淖集厢歇雇喀敦辟侠尿箱午BP神经网络实例分析BP神经网络实例分析网络模型的解为：=蘑阎桩闭晃铱搓瘴泥羊界举惯索粉茧兄疏逊椽令相豌芒浚将遇犁史祭陋具BP神经网络实例分析BP神经网络实例分析谢谢！阀恼当苫奇姥轴矣粪陌翰怎鄂蹿蚤衫芦眠拂拥咖怒敏宵娟惦浅魁囤慷玻眷BP神经网络实例分析BP神经网络实例分析