- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
模式识别7-非线性分类器-第二讲
Non Linear Classifiers ;Outline;B-P(BackPropagation)模型概念 B-P模型是一种用于前向多层神经网络的反传学习算法,由鲁梅尔哈特(D.Ruvmelhar)和麦克莱伦德(McClelland)于1985年提出。 前向:信息首先由输入层传至隐层节点,经特性函数作用后,再传至下一隐层,直到最终传至输出层进行输出。 反传学习算法:训练时用实际输出与样例的期望输出进行比较,如果它们的误差不能满足要求,则沿着原来的连接通路逐层返回,并利用两者的误差按一定的原则对各层节点的连接权值进行调整,使误差逐步减小,直到满足要求时为止。 ;多层:B-P算法用于多层网络,网络中不仅有输入层节点及输出层节点,而且还有一层至多层隐层节点, 如图:;The Backpropagation Algorithm;*;学习的目的:对网络的连接权值进行调整,使得对任一输入都能得到所期望的输出。 学习的方法: 用一组训练样例对网络进行训练,每一??样例都包括输入及期望的输出两部分。 首先把样例的输入信息输入到网络中,由网络自第一个隐屋开始逐层地进行计算,并向下一层传递,直至传至输出层; 以其输出与样例的期望输出进行比较,如果它们的误差不能满足要求,则沿着原来的连接通路逐层返回,并利用两者的误差按一定的原则对各层节点的连接权值进行调整,使误差逐步减小,直到满足要求时为止。;正向传播:用于进行网络计算,对其一输入求出它的输出; 反向传播:用于逐层传递误差,修改连接权值,以使网络能进行正确的计算。 ;从训练样例集中取一样例,把输入信息输入到网络中。 由网络分别计算各层节点的输出。 计算网络的实际输出与期望输出的误差。 从输出层反向计算到第一个隐层,按一定原则向减小误差方向调整网络的各个连接权值。 对训练样例集中的每一个样例重复以上步骤,直到对整个训练样例集的误差达到要求时为止。;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;A simulation example;*;*;*;*;*;*;Thanks!Happy every day!
文档评论(0)