




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
2.2感知器神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法2023/9/12.2.1單層感知器概述由美國學(xué)者Rosenblatt在1957年首次提出學(xué)習(xí)算法是Rosenblatt在1958年提出的包含一個(gè)突觸權(quán)值可調(diào)的神經(jīng)元屬于前向神經(jīng)網(wǎng)絡(luò)類型只能區(qū)分線性可分的模式IEEE設(shè)立以其名字命名的獎(jiǎng)項(xiàng)2023/9/12.2.1單層感知器單層感知器模型2023/9/12.2.1單層感知器單層感知器工作原理
單層感知器可將外部輸入分為兩類和。當(dāng)感知器的輸出為+1時(shí),輸入屬于類,當(dāng)感知器的輸出為-1時(shí),輸入屬于類,從而實(shí)現(xiàn)兩類目標(biāo)的識(shí)別。在維空間,單層感知器進(jìn)行模式識(shí)別的判決超平面由下式?jīng)Q定:
2023/9/12.2.1單層感知器單層感知器工作原理對于只有兩個(gè)輸入的判別邊界是直線(如下式所示),選擇合適的學(xué)習(xí)算法可訓(xùn)練出滿意的和,當(dāng)它用于兩類模式的分類時(shí),相當(dāng)于在高維樣本空間中,用一個(gè)超平面將兩類樣本分開。2023/9/12.2.2單層感知器的學(xué)習(xí)算法單層感知器學(xué)習(xí)算法思想基于迭代的思想,通常是采用誤差校正學(xué)習(xí)規(guī)則的學(xué)習(xí)算法??梢詫⑵钭鳛樯窠?jīng)元突觸權(quán)值向量的第一個(gè)分量加到權(quán)值向量中輸入向量和權(quán)值向量可分別寫成如下的形式:令上式等于零,可得到m維空間的單層感知器的判別超平面。
2023/9/12.2.2單層感知器的學(xué)習(xí)算法單層感知器學(xué)習(xí)算法第一步,設(shè)置變量和參量。為激活函數(shù),為網(wǎng)絡(luò)實(shí)際輸出,為期望輸出,為學(xué)習(xí)速率,為迭代次數(shù),為實(shí)際輸出與期望輸出的誤差。第二步,初始化給權(quán)值向量的各個(gè)分量賦一個(gè)較小的隨機(jī)非零值,置第三步,輸入一組樣本,并給出 它的期望輸出。第四步,計(jì)算實(shí)際輸出:第五步,求出期望輸出和實(shí)際輸出求出差根據(jù)誤差判斷目前輸出是否滿足條件,一般為對所有樣本誤差為零或者均小于預(yù)設(shè)的值,則算法結(jié)束,否則將值增加1,并用下式調(diào)整權(quán)值:然后轉(zhuǎn)到第三步,進(jìn)入下一輪計(jì)算過程
2023/9/12.2.3單層感知器的MATLAB實(shí)現(xiàn)P=[-0.4-0.50.6;0.900.1];%給定訓(xùn)練樣本數(shù)據(jù)T=[110];%給定樣本數(shù)據(jù)所對應(yīng)的類別,用1和0來表示兩種類別%創(chuàng)建一個(gè)有兩個(gè)輸入、樣本數(shù)據(jù)的取值范圍都在[-1,1]之間,并且%網(wǎng)絡(luò)只有一個(gè)神經(jīng)元的感知器神經(jīng)網(wǎng)絡(luò)net=newp([-11;-11],1); net.trainParam.epochs=20;%設(shè)置網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)為20次net=train(net,P,T);%使用訓(xùn)練函數(shù)對創(chuàng)建的網(wǎng)絡(luò)進(jìn)行訓(xùn)練Y=sim(net,P)%對訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行仿真E1=mae(Y-T)%計(jì)算網(wǎng)絡(luò)的平均絕對誤差,表示網(wǎng)絡(luò)錯(cuò)誤分類Q=[0.60.9-0.1;-0.1-0.50.5];%檢測訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的性能Y1=sim(net,Q)%對網(wǎng)絡(luò)進(jìn)行仿真,仿真輸出即為分類的結(jié)果figure;%創(chuàng)建一個(gè)新的繪圖窗口plotpv(Q,Y1);%在坐標(biāo)圖中繪制測試數(shù)據(jù)plotpc(net.iw{1},net.b{1})%在坐標(biāo)圖中繪制分類線2023/9/12.2.3單層感知器的MATLAB實(shí)現(xiàn)例2-1運(yùn)行后在命令行窗口中得到的結(jié)果如下:>>TRAINC,Epoch0/20%使用TRAINC作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù),第0次訓(xùn)練,最%大訓(xùn)練次數(shù)為20TRAINC,Epoch3/20%達(dá)到目標(biāo)誤差要求,結(jié)束訓(xùn)練TRAINC,Performancegoalmet.Y=110E1=0Y1=0012023/9/12.2.3單層感知器的MATLAB實(shí)現(xiàn)例2-1訓(xùn)練誤差曲線2023/9/12.2.3單層感知器的MATLAB實(shí)現(xiàn)例2-1訓(xùn)練后的分類線2023/9/12.2.4多層感知機(jī)單層感知器的缺點(diǎn)是只能解決線性可分的分類模式問題采用多層網(wǎng)絡(luò)結(jié)構(gòu)可以增強(qiáng)網(wǎng)絡(luò)的分類能力,即在輸入層與輸出層之間增加一個(gè)隱含層,從而構(gòu)成多層感知器(MultilayerPerceprons,MLP)。由輸入層、隱含層(可以是一層或者多層)和輸出層構(gòu)成的神經(jīng)網(wǎng)絡(luò)稱為多層前向神經(jīng)網(wǎng)絡(luò)。2023/9/12.2.4多層感知機(jī)多層感知器的拓?fù)浣Y(jié)構(gòu)2023/9/12.2.4多層感知機(jī)多層感知器的特點(diǎn)含有一層或多層隱單元,從輸入
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2014年食品藥品監(jiān)督2014年工作總結(jié)
- 設(shè)備制作加工協(xié)議書
- 鄉(xiāng)鎮(zhèn)征地建小學(xué)協(xié)議書
- 專場供酒合同或協(xié)議書
- 養(yǎng)老院合同解除協(xié)議書
- 企業(yè)勞動(dòng)服務(wù)期協(xié)議書
- 雇傭車輛安全協(xié)議書
- 餐廳撤資退股協(xié)議書
- 鄰里建房遮光協(xié)議書
- 寫字樓裝修管理協(xié)議書
- 維保服務(wù)方案及維保體系
- 肺結(jié)核的真菌感染與治療
- 2022年甘肅省天水市中考生物真題含答案2
- 2024年湖北三新供電服務(wù)有限公司招聘筆試參考題庫含答案解析
- 徒手整形 培訓(xùn)課件
- 市場營銷學(xué)電子教案
- 《內(nèi)蒙古乳制品出口貿(mào)易發(fā)展現(xiàn)狀、問題及完善對策研究》10000字
- 《網(wǎng)絡(luò)安全與個(gè)人信息保護(hù)》主題班會(huì)課件
- 建筑集團(tuán)公司商務(wù)管理手冊(投標(biāo)、合同、采購)分冊
- 蘇教版二年級(jí)下冊《磁鐵的磁力》課件
- 幼兒園課件小小銀行家
評(píng)論
0/150
提交評(píng)論