人工神经网络模型描述.docx
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《人工神经网络模型描述.docx》由会员分享,可在线阅读,更多相关《人工神经网络模型描述.docx(3页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、精选优质文档-倾情为你奉上人工神经网络模型描述先给出单个人工神经网络的一般模型描述给定n个输入变量:x1,x2,xn以及相对应的权值变量w1,w2,wn,一个传递函数f (),激发阈值变量,输出变量为y,有如下神经元模型:w1w2wmxmx2x1.f ()y= fi=1mwixi-i=1mwixi-1其中x1 xm这m个变量是与此神经元连接的上一层神经元的输出,或者为网络的原始输入变量。在实际操作中,可以将-1看作此神经元的第m+1个输入,把激发阈值变量作为相应的权值变量。神经元模型的传递函数f ()一般采用sigmoid函数,给出表达式如下:f(x)=11+e-x此表达式为sigmoid函数
2、的单极形式,另也有双极形式的sigmoid函数。当神经元的加权输入和i=1mwixi大于激发阈值时,神经元处于激发态,网络的输出 fi=1mwixi-为正,否则为抑制态,输出为负。当多个神经元组合起来时,人工神经网络的总体结构如下:输入层隐 藏 层-1-1-1 f f.xmx2x1.y1y2yn f f f f f f f-1输出层.为简洁起见,各层神经元之间的连接权值wij与激发阈值变量j未在图中标出。以上是在全连接下的人工神经网络结构图。人工神经网络在本质上是由许多小的非线性函数组成的大的非线性函数,反映的是输入变量到输出变量间的复杂映射关系。映射的准确程度是由各层权值与各神经元结点的激发
3、阈值变量共同决定的,同时也与人工神经网络的结构有关,结构变量包括隐藏层的层数与每层结点数,以及网络的连接状态是否为全连接的。首先将人工神经网络中需要优化的变量各层权值变量w与各神经元结点的激发阈值变量进行编码,表示成相应的目标函数。对于人工神经网络而言,运用进化算法优化的目标是,使网络的实际输出与理论输出之间的差值越小越好。设网络共输入K个样本,每个样本的输出属性为N个,则网络总体误差ANN可表示为ANN=k=1Kn=1Nkn22其中kn表示第k个样本在第n个属性上的误差。网络优化的目标是确定一组权值W与阈值,使全局误差最小。通过以上分析,可以将网络的输出误差看作W与的函数。如果将对应的权值看
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 模型 描述
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内