基于BP神经网络的数据分类讲义.ppt

基于BP神经网络的数据分类; 1.1 BP网络简介 1.2 BP网络模型 1.3 学习规则 1.4 网络程序设计 1.5 BP网络应用;1.1 BP网络简介;在人工神经网络的实际应用中，BP网络广泛应用于函数逼近、模式识别/分类、数据压缩等，80%~90%的人工神经网络模型是采用BP网络或它的变化形式，它也是前馈网络的核心部分，体现了人工神经网络最精华的部分。其主要思想是从后向前（反向）逐层传播输出层的误差，以间接计算出隐层误差。算法分为两个部分：第一部分（正向传播过程）输入信息从输入层经隐层逐层计算各单元的输出值；第二部分（反向传播过程）输出误差逐层向前计算出隐层各单元的误差，并用此误差修正前层权值。;1.2 网络模型;1.2 网络模型;1.3 学习规则;1.3 学习规则;1.3 学习规则;1.3 学习规则;1.3 学习规则;1.3 学习规则;1.4 网络程序设计;1.4 网络程序设计;1.4 网络程序设计;1.4 网络程序设计;1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用;TRAINLM, Epoch 0/500, MSE 0.437703/0.01, Gradient 7675.18/1e-010 TRAINLM, Epoch 25/500, MSE 0.129899/0.01, Gradient 44.6286/1e-010 TRAINLM, Epoch 37/500, MSE 4.18645e-007/0.01, Gradient 01e-010 TRAINLM, Performance goal met. 可见网络经过37次训练后即可达到误差要求，结果如下图：;可以看到网络具有非常好的学习性能，网络输出与目标输出的误差已经达到了预先的要求。 ;1.5 BP网络应用; 1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用;1.5 BP网络应用; 带动量变速率最速下降法的BP算法(采用Matlab工具箱的训练函数traingda，学习速率取0.5，速率增长系数1.2 ,速率下调系数0.8)，训练的性能曲线如图所示。; 共轭梯度法(采用Matlalb，工具箱的训练函数 traincgb)。训练的性能曲线如图所示。;1.5 BP网络应用;参考文献;