誤差反傳算法及標(biāo)準(zhǔn)BP算法的改進(jìn)1整理ppt要點(diǎn)BP算法的根本思想基于BP算法的多層感知器模型標(biāo)準(zhǔn)BP算法的改進(jìn)2整理ppt1、BP算法的根本思想學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本從輸入層傳入，經(jīng)各隱層逐層處理后，傳向輸出層。假設(shè)輸出層的實(shí)際輸出與期望的輸出不符，那么轉(zhuǎn)入誤差的反向傳播階段。誤差反傳是將輸出誤差以某種形成通過隱層向輸入層逐層反傳，并將誤差攤給各層的所有單元，從而獲得各層單元的誤差信號，此誤差信號即作為修正各單元權(quán)值的依據(jù)。這種信號正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程，是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或進(jìn)行到預(yù)先設(shè)定的次數(shù)為止。3整理ppt2、基于BP算法的多層感知器模型4整理ppt2、基于BP算法的多層感知器模型三層感知器中，輸入向量為圖中是為隱層神經(jīng)元引入閾值而設(shè)置的；隱層輸出向量為，圖中是為輸出層神經(jīng)元引入閾值而設(shè)置的，輸出層輸出向量為；期望輸出向量為。輸入層到隱層之間的權(quán)值矩陣用V表示，，其中列向量為隱層第個(gè)神經(jīng)元對應(yīng)的權(quán)向量；隱層到輸出層之間的權(quán)值矩陣用表示，，其中列向量為輸出層第個(gè)神經(jīng)元對應(yīng)的權(quán)向量。5整理ppt對于輸出層，有對于隱層，有以上兩式中，變換函數(shù)均為單極性Sigmoid函數(shù)具有連續(xù)、可導(dǎo)的特點(diǎn)，且有6整理ppt根據(jù)需要，也可以采用雙極性Sigmoid函數(shù)〔或稱雙曲線正切函數(shù)〕網(wǎng)絡(luò)誤差與權(quán)值調(diào)整當(dāng)網(wǎng)絡(luò)輸出與期望輸出不等時(shí)，存在輸出誤差，定義如下將以上誤差定義式展開至隱層，有進(jìn)一步展開至輸入層，有7整理ppt由以上可以看出，網(wǎng)絡(luò)輸入誤差是各層權(quán)值的函數(shù)，因此調(diào)整權(quán)值可改變誤差顯然，調(diào)整權(quán)值的原那么是使誤差不斷地減少，因此應(yīng)使權(quán)值的調(diào)整量與誤差的梯度下降成正比，即8整理ppt標(biāo)準(zhǔn)BP算法的改進(jìn)存在的缺陷：易形成局部極小而得不到全局最優(yōu)；訓(xùn)練次數(shù)多使得學(xué)習(xí)效率低，收斂速度慢；隱節(jié)點(diǎn)的選取缺乏理論指導(dǎo)；訓(xùn)練時(shí)學(xué)習(xí)新樣本有遺忘舊樣本的趨勢9整理ppt改進(jìn)方法：增加動量項(xiàng)；自適應(yīng)調(diào)整學(xué)習(xí)率；引入陡度因子增加動量項(xiàng)：為了考慮t時(shí)刻之前的梯度方向。假設(shè)用W代表某層權(quán)矩陣，X代表某層輸入向量，那么含有動量項(xiàng)的權(quán)值調(diào)整向量表達(dá)式為自適應(yīng)調(diào)節(jié)學(xué)習(xí)率從誤差曲面可以看出，在平坦區(qū)域內(nèi)太小會使訓(xùn)練次數(shù)增加，因而希望增大值；而在誤差變化劇烈的區(qū)域，太大會因調(diào)整量過大而跨過較窄的“凹坑〞處，使訓(xùn)練出現(xiàn)振蕩，反而使迭代次數(shù)增加。10整理ppt設(shè)一初始學(xué)習(xí)率，假設(shè)經(jīng)過一批次權(quán)值調(diào)整后使總誤差增大，那么本次調(diào)整無效，且；假設(shè)經(jīng)過一批次權(quán)值調(diào)整后使總誤差減少，那么本次調(diào)整有效，且引入陡度因子

誤差曲面上存在著平坦區(qū)域。權(quán)值調(diào)整進(jìn)入平坦區(qū)的原因是神經(jīng)元輸入了變換函數(shù)的飽和區(qū)。如果在調(diào)整進(jìn)入平坦區(qū)后，設(shè)法壓縮神經(jīng)元的凈輸入，使其輸出退出變換函數(shù)的飽和區(qū)，就可以改變誤差函數(shù)的形狀