神经网络实验报告(八篇) |
您所在的位置:网站首页 › anaconda实验报告心得体会 › 神经网络实验报告(八篇) |
BP神经网络实验报告 一、实验目的 1、熟悉MATLAB中神经网络工具箱的使用方法; 2、 通过在MATLAB下面编程实现BP网络逼近标准正弦函数,来加深对BP网络的了解和认识,理解信号的正向传播和误差的反向传递过程。 二、实验原理 由于传统的感知器和线性神经网络有自身无法克服的缺陷,它们都不能解决线性不可分问题,因此在实际应用过程中受到了限制。而BP网络却拥有良好的繁泛化能力、容错能力以及非线性映射能力。因此成为应用最为广泛的一种神经网络。 BP算法的基本思想是把学习过程分为两个阶段:第一阶段是信号的正向传播过程;输入信息通过输入层、隐层逐层处理并计算每个单元的实际输出值;第二阶段是误差的反向传递过程;若在输入层未能得到期望的输出值,则逐层递归的计算实际输出和期望输出的差值(即误差),以便根据此差值调节权值。这种过程不断迭代,最后使得信号误差达到允许或规定的范围之内。 基于BP算法的多层前馈型网络模型的拓扑结构如上图所示。 BP算法的数学描述:三层BP前馈网络的数学模型如上图所示。三层前馈网中,输入向量为: 下面分析各层信号之间的数学关系。 对于输出层,有 对于隐层,有 以上两式中,转移函数f(x)均为单极性Sigmoid函数: f(x)具有连续、可导的特点,且有 以上共同构成了三层前馈网了的数学模型。 当网络输出和期望输出不相等时,存在输出误差E如下: 将以上误差定义式展开至隐层,有 进一步展开至输入层,有 由上式可以看出,网络输入误差是两层权值W和V的函数,因此调整权值可以改变误差E。 …… …… 余下全文 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |