资源描述
,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/7/26,*,Reading Fun,Sub topics go here,2021/7/26,*,(最新整理)BP神经网络实例分析,2021/7/26,1,(最新整理)BP神经网络实例分析2021/7/261,BP,神经网络实例分析,蚊子分类问题,2021/7/26,2,BP神经网络实例分析蚊子分类问题2021/7/262,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,2021/7/26,3,正向传播：一、BP网络的标准学习算法-学习过程2021/7/,已知的两类蚊子的数据如表,1,：,翼长 触角长 类别,1.78 1.14 Apf,1.96 1.18 Apf,1.86 1.20 Apf,1.72 1.24 Af,2.00 1.26 Apf,2.00 1.28 Apf,1.96 1.30 Apf,1.74 1.36 Af,目标值,0.9,0.9,0.9,0.1,0.9,0.9,0.9,0.1,翼长 触角长 类别,1.64 1.38 Af,1.82 1.38 Af,1.90 1.38 Af,1.70 1.40 Af,1.82 1.48 Af,1.82 1.54 Af,2.08 1.56 Af,目标,t,0.1,0.1,0.1,0.1,0.1,0.1,0.1,训练样本,确定模型输入,/,输出结构：两输入、单输出,2021/7/26,4,已知的两类蚊子的数据如表1：翼长 触角长 类,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。,2021/7/26,5,输入数据有15个，即p=1,15;j=1,2;对,(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,2021/7/26,6,(1)网络初始化 令p=0，p为样本编号二、具体训练,(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,2021/7/26,7,(2)根据输入数据计算网络输出=同理，输出神经元取将各,(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=1,2,3,PS,：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。,2021/7/26,8,(3)训练输出单元的权值取激励函数 则 取学习速,(4),训练隐藏单元的权值,其中,i=1,2,3 j=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。,2021/7/26,9,(4)训练隐藏单元的权值 其中i=1,2,3 j=1,(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,2205,次。,最后计算结果是：,2021/7/26,10,(5)计算全局误差 当用完所有样本时，判,网络模型的解为：,=,2021/7/26,11,网络模型的解为：=2021/7/2611,谢谢！,2021/7/26,12,谢谢！2021/7/2612,2021/7/26,13,2021/7/2613,
展开阅读全文