629.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: [转载] 神经网络介绍 (2) 多层感知器及BP算法
发信站: 南京大学小百合站 (Fri Nov  1 22:30:12 2002), 站内信件

【 以下文字转载自 AI 讨论区 】
【 原文由 gaoy 所发表 】

【 以下文字转载自 EEtechnology 讨论区 】
【 原文由 blaze 所发表 】
二. 多层感知器及BP学习算法
    多层感知器是一种典型的前馈神经网络，它通常由输入层、输出层和
若干隐层组成。每一层包含若干个神经元。后一层每一输入是前一层每个
神经元的输出的总的连接强度的总和。而每一个神经元对应有一个阀值，
输出为神经元的传递函数是输入和阀值的函数（通常是一非线性函数，且
每层中各神经元都取相同的形式）。
    代表输入输出之间变换关系的有关信息主要分布在神经元之间的连接
强度上，不同的连接强度反映着不同的输入输出关系。因此，这种神经网
络具有分布式存储信息的特点。
    所谓的权值学习就是不断的调整各神经元的连接强度，使其能在最小
二乘意义上逼近所对应的输出。反向传播学习算法（简称BP算法）是最简
单、最实用的一种。若取多层感知器中各神经元的传递函数均取为
        f(x)=1/(1+exp(-(x-s)))
其中，s为一固定参量，BP算法具体步骤如下：
   (1)初始化，...
   (2)利用前输入计算后输出...
   (3)调整权系数...
   (4)计算误差...
   (5)判断误差是否达到要求，是，停止学习，否则返回(2)。

BP学习算法几点说明：
    (1)样本的输入和权值的调整可以结合起来，可加快收敛速度。
    (2)由于BP算法是一种梯度算法，所以不能保证连接权收敛于全局最
优解。
    (3)BP算法的收敛速度太慢。

--
※ 来源:．南京大学小百合站 dii.nju.edu.cn．[FROM: saw.nju.edu.cn]
--
※ 转载:．南京大学小百合站 dii.nju.edu.cn．[FROM: aiake1.nju.edu.c]
--
※ 转载:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 211.80.38.17]