人工神经网络第十课.pptVIP

下载本文档

0
0
约小于1千字
约 24页
2024-09-08 发布于重庆
举报
版权申诉

人工神经网络第十课.ppt

1、本文档共24页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

人工神经网络理论及应用10.递归神经网络主要内容延时神经元与时空神经元FIR网络学习算法随时间演化的反向传播算法(BPTT)实时递归学习(RTRL)延时单元网络——FIR对应输入输出关系延时单元网络——IIR对应输入输出关系时空神经元模型对应输入输出关系组成的网络称为FIR前馈网络误差函数定义为(累计误差)权值更新采用SD,FIR前馈网络学习算法I对于输出层FIR前馈网络学习算法II令①②②FIR前馈网络学习算法III*①根据网络模型：因此有因此有：或记为FIR前馈网络学习算法IVFIR前馈网络学习算法V权值更新公式注意到要用到未来Q步信息，因此FIR前馈网络学习步骤设定网络层数及延时数Q;前向传播，计算E；当kQ时，计算权值修正量；返回(1),直到误差ΔE小于指定值。随时间演化的反向传播(BPTT)特点：把网络各时刻处理扩展成前馈网络感兴趣序列长度T给定,复制T次误差函数定义为(累计误差)权值更新采用SD,BPTT学习过程IBPTT学习过程II定义从最后一段权值开始更新，BPTT学习过程III向前传播一层，BPTT学习过程IV继续向前传播，可记为BPTT学习过程V进一步记为部分反馈网络输出延时反馈至输入存在隐单元示例实时递归学习算法(RTRL)RTRL模型表示输入(2)输出即y(k)与wij(k-1),u(k-1)相关