1、會計學(xué)1神經(jīng)網(wǎng)絡(luò)詳細介紹及實例分析神經(jīng)網(wǎng)絡(luò)詳細介紹及實例分析基本思想學(xué)習(xí)算法實例分析網(wǎng)絡(luò)模型1234 基本思想基本思想1 1BP神經(jīng)網(wǎng)絡(luò)BP算法的基本思想：學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個過程組成。輸入信號由輸入層經(jīng)過隱含層傳向輸出層，在輸出層產(chǎn)生輸出信號，這是工作信號的正向傳播。在信號的向前傳 遞過程中各層的權(quán)值是固定不變的。每一層神經(jīng)元的狀態(tài) 只影響到下一層神經(jīng)元的狀態(tài)。如果在輸出層得到實際輸出不同于期望輸出，則轉(zhuǎn)入誤差信號反向傳播。網(wǎng)絡(luò)的實際輸出與期望輸出之間的差值即為誤差信號。誤差信號由輸出層逐層向前傳播，這是誤差信號的反向傳播。在反向傳播過程中，網(wǎng)絡(luò)的權(quán)值由誤差反饋進行調(diào)

2、節(jié)，通過權(quán)值的不斷修正使得網(wǎng)絡(luò)的實際輸出更加接近期望輸出。工作信號的正向傳播和誤差信號的反向傳播的各層權(quán)值調(diào)節(jié)過程，是周而復(fù)始進行的。權(quán)值不斷調(diào)節(jié)的過程也是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。直到網(wǎng)絡(luò)輸出誤差減小到可接受的范圍內(nèi)，或者迭代次數(shù)達到預(yù)定的次數(shù)為止。 網(wǎng)絡(luò)模型網(wǎng)絡(luò)模型2 2BP神經(jīng)網(wǎng)絡(luò)一般將單隱層前饋網(wǎng)稱為三層前饋網(wǎng)，即包括輸入層、隱含層、輸出層。 網(wǎng)絡(luò)模型網(wǎng)絡(luò)模型2 2BP神經(jīng)網(wǎng)絡(luò)Tni,21輸入層輸入向量：隱含層各神經(jīng)元輸入：隱含層各神經(jīng)元輸出：niiijnnjjjjxvxvxvxvnet01100jjnetfy mjjjkmmkkkkywywywywnet01100kknetfo (j =

3、1,2,.,m),net j 表示隱含層第j個神經(jīng)元的輸入y j表示隱含層第j個神經(jīng)元的輸出(k= 1,2,.,l),net k 表示輸出層第k個神經(jīng)元的輸入O k表示輸出層第k個神經(jīng)元的輸出輸出層各神經(jīng)元輸入：輸出層各神經(jīng)元輸出：隱含層輸出向量：Tmjyyyy,Y21輸出層輸出向量：Tlkoooo,O21輸出層期望輸出向量：Tlkdddd,d21f(x)函數(shù)一般設(shè)為sigmoid函數(shù) 學(xué)習(xí)算法學(xué)習(xí)算法3 3BP神經(jīng)網(wǎng)絡(luò)當網(wǎng)絡(luò)輸出與期望輸出不等時，存在輸出誤差E，定義如下：210021021021212121212121lkmjniiijjkklkmjjjkklkmjjjkklkkklkkkx

4、vfwfdnetfwfdywfdnetfdodE所以，網(wǎng)絡(luò)輸出誤差是各層權(quán)值的函數(shù)，通過調(diào)整各層權(quán)值可以達到減少誤差的目的。顯然，誤差調(diào)整的原則是使誤差越來越小，可以通過梯度下降法（負梯度方向即是減少最快的方向），即各層權(quán)值的調(diào)整量應(yīng)該與誤差的負梯度成正比。ijijvEvjkijwEw 學(xué)習(xí)算法學(xué)習(xí)算法3 3BP神經(jīng)網(wǎng)絡(luò) jkkkkjkkkkjkkkjkkkkkjkkkjkjkyooodynetfnetfodynetfodwnetnetooEwnetnetEwEw11 ijjjkkklkkkijjkklkkkijjjjjijjjijijxyywooodxnetfwnetfodvnetnetyy

5、EvnetnetEvEv 11113 3經(jīng)過上面兩個公式，可以得到每層權(quán)值的改變量，從而更新整個網(wǎng)絡(luò)的所有權(quán)值。 學(xué)習(xí)算法學(xué)習(xí)算法ijijijjkjkjkyyywww:再由輸入層重新向后傳播，得到實際輸出，再與期望輸出相比較。若已達到誤差函數(shù)要求的精度，則停止迭代；若沒達到，則繼續(xù)計算各層權(quán)值的改變量，更新權(quán)值，反復(fù)進行，直到滿足要求。 BPBP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用4 4BP神經(jīng)網(wǎng)絡(luò)基本思想：原始數(shù)據(jù)節(jié)點和重構(gòu)數(shù)據(jù)節(jié)點構(gòu)成了節(jié)點數(shù)較大的外層，而中間的具有較小節(jié)點數(shù)的隱含層則構(gòu)成壓縮效果?；舅枷胧菑娖仍紨?shù)據(jù)通過隱含層，并期望在隱含層處獲得較為緊湊的數(shù)據(jù)表示，以

6、達到壓縮的目的。神經(jīng)網(wǎng)絡(luò)用于圖像編碼的壓縮比與輸入層和隱含層的節(jié)點數(shù)有關(guān)，一般為：壓縮比=輸入層節(jié)點數(shù)(n)/隱含層節(jié)點數(shù)(m)實驗設(shè)計：1.輸入層和輸出層節(jié)點數(shù)設(shè)為16，因為實驗用于壓縮的圖像選為128*128的圖像，為避免網(wǎng)絡(luò)過大造成訓(xùn)練過于復(fù)雜，將原始圖像分為4*4的小塊，每一塊作為輸入樣本接入網(wǎng)絡(luò)，所以輸入節(jié)點應(yīng)設(shè)為16個。輸出圖像要與原始圖像一致，所以輸出節(jié)點也是16個。2.隱含層節(jié)點數(shù)由期望達到的壓縮比來設(shè)定，本實驗設(shè)為8個。（壓縮比為2）3.轉(zhuǎn)移函數(shù)f(x)選為sogmoid。4.目標誤差為0.0015.迭代次數(shù)為500 BPBP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)

7、用4 4BP神經(jīng)網(wǎng)絡(luò) BPBP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用4 4BP神經(jīng)網(wǎng)絡(luò) BPBP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用4 4BP神經(jīng)網(wǎng)絡(luò)壓縮結(jié)果： BPBP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用4 4BP神經(jīng)網(wǎng)絡(luò)1.圖像壓縮的目的是在為了不影響清晰度的前提下減少圖像所占的存儲空間，那么通過BP神經(jīng)網(wǎng)絡(luò)的方法，我認為是不是在實際存儲時存儲的是隱含層輸出的數(shù)據(jù)，也即是本來對于一個圖像的一個4*4的塊，存的是16行1列的數(shù)據(jù)，現(xiàn)在經(jīng)過隱含層之后，只需要存4行1列的數(shù)據(jù)；所以實現(xiàn)了壓縮的目的。2.對于一個圖像經(jīng)過訓(xùn)練后得到的一個神經(jīng)網(wǎng)絡(luò)，本來以為只針對這個圖像或相似的圖像有一個較好的擬合。但在對其他圖像也經(jīng)過這個網(wǎng)絡(luò)去壓縮時，發(fā)現(xiàn)也能達到一個很好的效果。所以我認為一個樣本訓(xùn)練得到的網(wǎng)絡(luò)能用于處理同一類型的樣本，同理于無人駕駛汽車