zoukankan      html  css  js  c++  java
  • 神经网络的学习

    多个人工神经元组合成神经网络

    将人工神经元按层排列. 某个层的输出和下一层的输入按顺序连接起来。

                                  前馈型神经网络( 2输入1输出的2层网络)

    对于图中所示的层状网络, 从输入向输出, 信号顺序传递这样的网络称为前馈型网络(feed forward network), 或者称为层次型网络( layered network)。

    权重和阈值的设置:  (W11, W12, W21, W22, W13, W23)=(-2, -2, 3, 1, -60, 94)。     ( V1, V2, V3 )=(一1, 0.5,一1)

    传递函数(激活函数)采用阶梯函数

     

                                                       EOR (异或)计算

    神经网络的学习步骤
    (1)初始化所有的权重和阈值(可以随机初始化)。
    (2)重复以下步骤操作适当次数
    ( 2-1 )从学习数据集中选择一个学习示例, 输入到神经网络中并计算其输出。
    ( 2-2 )将标签数据和神经网络的输出相比较, 调节权重和阈值以使误差变小。

    第( 2-2 )步权重和阈值的调节方法有哪些?

    例如:A*算法,爬山法,模拟退火算法,遗传算法等, 是可以用于调节的, 但是还有更加有效的学习方法——反向传播(BP)

  • 相关阅读:
    JDBC学习总结
    RAD,Eclipse切換界面語言(中日英)
    Eclipse生成EXE文件(可视化Login/读取文件)
    2019年10月 历史记录追加
    如何将eclipse的java导出成exe
    EAR、JAR、WAR(IT)
    Linux命令(IT)
    aarch64 cross compile 交叉编译 opencv
    cross compile vlc 播放器
    cross compile 交叉编译 ffmpeg
  • 原文地址:https://www.cnblogs.com/liweikuan/p/14192555.html
Copyright © 2011-2022 走看看