BP網(wǎng)絡(luò)模式識(shí)別.ppt_第1頁
BP網(wǎng)絡(luò)模式識(shí)別.ppt_第2頁
BP網(wǎng)絡(luò)模式識(shí)別.ppt_第3頁
BP網(wǎng)絡(luò)模式識(shí)別.ppt_第4頁
BP網(wǎng)絡(luò)模式識(shí)別.ppt_第5頁
已閱讀5頁,還剩6頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、BP網(wǎng)絡(luò)模式識(shí)別,韓紅彩 2010年9月17日,一、 基本原理二、主要特點(diǎn)三、學(xué)習(xí)算法四、仿真實(shí)例,一、基本原理 在神經(jīng)網(wǎng)絡(luò)模式識(shí)別中,根據(jù)標(biāo)準(zhǔn)的輸入輸出模式對(duì),采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,以標(biāo)準(zhǔn)的模式作為學(xué)習(xí)樣本進(jìn)行訓(xùn)練,通過學(xué)習(xí)調(diào)整神經(jīng)網(wǎng)絡(luò)的連接權(quán)值。當(dāng)訓(xùn)練滿足要求后,得到的神經(jīng)網(wǎng)絡(luò)權(quán)值構(gòu)成了模式識(shí)別的知識(shí)庫,利用神經(jīng)網(wǎng)絡(luò)并行推理算法便可對(duì)所需要的輸入模式進(jìn)行識(shí)別。,二、主要特點(diǎn) 神經(jīng)網(wǎng)絡(luò)模式識(shí)別具有較強(qiáng)的魯棒性。 1.當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中的某個(gè)輸入模式相同時(shí),神經(jīng)網(wǎng)絡(luò)識(shí)別的結(jié)果就是與訓(xùn)練樣本中相對(duì)應(yīng)的輸出模式。 2.當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中所有輸入模式都不完全相同時(shí),則可得到與

2、其相近樣本相對(duì)應(yīng)的輸出模式。 3當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中所有輸入模式相差較遠(yuǎn)時(shí),就得不到正確的識(shí)別結(jié)果,此時(shí)可將這一模式作為新的樣本進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)獲取新的知識(shí),并存儲(chǔ)到網(wǎng)絡(luò)的權(quán)值矩陣中,從而增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力。,三、學(xué)習(xí)算法 BP網(wǎng)絡(luò)的訓(xùn)練規(guī)則:正向傳播是輸入信號(hào)從輸入層經(jīng)隱層傳向輸出層,若輸出層得到了期望的輸出,則學(xué)習(xí)算法結(jié)束;否則,轉(zhuǎn)至反向傳播。用于樣本訓(xùn)練的BP網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。,wij wjl . . . . . . . . . . . . . l xl xi i x j xjo j 輸入層節(jié)點(diǎn) 隱層節(jié)點(diǎn) 輸出層節(jié)點(diǎn) 圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),1.前向傳播:計(jì)算網(wǎng)絡(luò)的輸出

3、 (1)求隱層神經(jīng)元的輸入 Xj=wijxi (2)求隱層神經(jīng)元輸出(采用S型函數(shù)) Xjo=f(xj)=1/(1+exp(-xj) (3)求輸出層神經(jīng)元輸出 Xl=wjlxjo (4)求輸出誤差 el=xlo-xl (5)求第p個(gè)樣本的誤差性能指標(biāo)函數(shù) Ep=0.5el2,2.反向傳播:采用梯度下降法,調(diào)整各層間的權(quán)值。 (1)輸出層與隱層的連接權(quán)值wjl學(xué)習(xí)算法 wjl=-elxjo 式中,為學(xué)習(xí)速率,0,1。 (2)k+1時(shí)刻網(wǎng)絡(luò)權(quán)值為 wjl(k+1)=wjl(k)+ wjl (3)隱層與輸入層連接權(quán)值wij學(xué)習(xí)算法 wij=elwjlxjo(1-xjo)xi (4) k+1時(shí)刻網(wǎng)絡(luò)權(quán)值為 wij(k+1)=wij(k)+ wij (5)考慮上次權(quán)值對(duì)本次權(quán)值變化的影響,需要加入動(dòng) 量因子,此時(shí)權(quán)值為 wjl(k+1)=wjl(k)+ wjl+(wjl(k)- wjl(k-1)) wjl(k+1)=wjl(k)+ wjl+(wij(k)- wij(k-1)),四、仿真實(shí)例 例:取標(biāo)準(zhǔn)樣本為三輸入兩輸出樣本,見表1。BP網(wǎng)絡(luò)結(jié)構(gòu)為3-6-2,權(quán)值初始值取-1,1之間的隨機(jī)數(shù),學(xué)習(xí)參數(shù)取=0.50,=0.05 表1 訓(xùn)練樣本,編程調(diào)試后,網(wǎng)絡(luò)訓(xùn)練指標(biāo)的變化、測(cè)試樣本及結(jié)果分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論