BP神经网络及简单示例.PPT

神 经 网 络 ——浅尝 数学建模工作室 张敏 神经网络浅尝 神经网络基础知识 常用函数介绍 案例——蠓虫分类 神经网络基础知识 构成：大量简单的基本元件——神经元相互连接 工作原理：模拟生物的神经处理信息的方式 功能：进行信息的并行处理和非线性转化 特点：比较轻松地实现非线性映射过程 具有大规模的计算能力 医学：疾病识别 图像：识别、去噪、增强、配准、融合 金融：股票和有价证券的预测分析、资本收益的预测和分析、风险管理、信用评估等等 应用范围 神经网络结构图 输入层 输出层 中间层 树突 细胞核 细胞体 轴突 突触 神经末梢 生物神经元结构： 神经元结构模型 x1 x2 xj x3 xn yi 可以看出神经元一般表现为一个多输入、单输出的非线性器件 xj为输入信号， 为阈值， 表示与神经元 xj 连接的权值 yi表示输出值 传递函数 阈值型 线性型 S型 神经网络的互连模式 神经元分层排列，分别组成输入层、中间层(也叫隐含层，可以由若干层组成)和输出层。 前向网络： 输入层 输出层 中间层 特点：每层只接受前一层的信息，没有反馈。 如：感知器网络和BP神经网络 有反馈的前向神经网络： 特点：输出层对输入层有反馈信息。 如：认知机和回归BP网络。 层内有互相结合的前向网络： 特点：可以实现同一层内神经元之间的横向抑制或兴奋作用 相互结合型网络： 特点：任意两个神经元之间都可能有联系 BP神经网络 多层前馈神经网络，信号向前传播，误差向后传播。 输入层 输出层 中间层 i j k 输入层 输出层 中间层 i j k 中间层： 输入 输出 输入层 输出层 中间层 i j k 输出层: 输入 输出 输入层 输出层 中间层 i j k 思路： 1、触角长和翼长作为输入信息，分别记为x1,x2。 目标输出：(0,1) 、(1,0)。 Af类记为 (1,0)，Apf类记为(0,1)。 输入层 输出层 中间层 i j k 输入层 输出层 中间层 i j k 2、通过已知样本训练出合适的权值 使输出为(0,1)或(1,0)。 3、将待区分的蠓虫数据输入网络，求值。 权值求法：向后传播法 理想输出 Af类(1,0)，Apf类(0,1)记为 { Tis}则有误差： 使得E(w)最小的 作为所需的权值 传递函数(激活函数) logsig(S型函数)： MATLAB按此函数计算： 调用格式：A=logsig(N) 如： n=-10:0.1:10 a=logsig(n) plot(n,a) grid on