人工智能第4章计算智能1教程.pptVIP

下载本文档

2
0
约小于1千字
约 76页
2017-04-26 发布于湖北
举报
版权申诉

人工智能第4章计算智能1教程.ppt

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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

人工智能第4章计算智能1教程

第4章计算智能;*;*;*;*;*;*;*;*;*; 1、反向传播(BP)模型;;;若干结论;;两层神经网络分类器;（6）神经网络的训练目标：调整权系数即所有的及，使得对于训练集中的每一个训练样本，网络的输出尽可能满足：（7）优化准则：对于样本集D，使下述误差函数取得最小值：;神经网络的权值调整;; ;; ;;; 反向传播算法; 算法的具体描述：; 反向传播算法中的若干关键问题 ;;2）目标向量：目标向量应该根据激活函数的值域进行选择。设训练样本为，且该样本属于。则根据激活函数的不同，可分别采用如下方法： ;;;;6）学习曲线样本集D的划分：一般情况下，可把已知的样本集D划分为三个子集，即训练集、确认集、测试集。训练集(Training Set)：用来调整权系数，使误差函数尽可能变小。确认集(Validation Set)：用来初步验证神经网络对未来新样本的分类能力，并据此确定最佳的权系数。神经网络的训练过程需要采用训练集及确认集共同完成。测试集(Test Set)：在训练过程最终结束后，再采用测试集对网络的分类性能进行最后测试，用以评估神经网络在实际应用中的实际性能。 Epoch: 在训练集D中的每一个训练样本均参与了一次对权系数的更新之后，称为完成了一个Epoch。; ;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*