人工神经网络建模matlab.pptVIP

其中表示第k层第i个元的阈值.在上述假定下网络的输入输出关系可以表示为：CBA01定理2对于具有多个隐层的前馈神经网络；设激发函数为S函数；且指标函数取02030102则每个训练循环中按梯度下降时；其权重迭代公式为03表示第-1层第个元对第层第个元输入的第次迭代时的权重其中23145Step2用学习数据计算网络输出Step3选定学习的数据,p=1,…,P,随机确定初始权矩阵W（0）用（10）式反向修正,直到用完所有学习数据.Step1BP算法logo五．应用之例：蚊子的分类已知的两类蚊子的数据如表1：翼长触角长类别1.781.14Apf1.961.18Apf1.861.20Apf1.721.24Af2.001.26Apf2.001.28Apf1.961.30Apf1.741.36Af目标值0.90.90.90.10.90.90.90.1第十一章人工神经网络建模（ArtificialNeuronNets）

一、引例1981年生物学家格若根（W．Grogan）和维什（W．Wirth）发现了两类蚊子(或飞蠓midges)．他们测量了这两类蚊子每个个体的翼长和触角长，数据如下：翼长触角长类别1.641.38Af1.821.38Af1.901.38Af1.701.40Af1.821.48Af1.821.54Af2.081.56Af翼长触角长类别1.781.14Apf1.961.18Apf1.861.20Apf1.721.24Af2.001.26Apf2.001.28Apf1.961.30Apf1.741.36Af问：如果抓到三只新的蚊子，它们的触角长和翼长分别为(l.24,1.80);(l.28，1.84)；（1.40，2.04）．问它们应分别属于哪一个种类？01解法一：02把翼长作纵坐标，触角长作横坐标；那么每个蚊子的翼长和触角决定了坐标平面的一个点.其中6个蚊子属于APf类；用黑点“·”表示；9个蚊子属Af类；用小圆圈“。”表示．得到的结果见图103图1飞蠓的触角长和翼长思路：作一直线将两类飞蠓分开例如；取A＝（1.44，2.10）和B＝(1.10，1.16)，过AB两点作一条直线：y＝1.47x-0.017，其中X表示触角长；y表示翼长．分类规则：设一个蚊子的数据为（x,y）,如果y≥1.47x-0.017，则判断蚊子属Apf类；如果y＜1.47x-0.017；则判断蚊子属Af类．分类结果：(1.24，1.80)，(1.28，1.84)属于Af类；(1.40，2.04）属于Apf类．图2分类直线图?缺陷：根据什么原则确定分类直线？若取A=(1.46,2.10),B=(1.1,1.6)不变，则分类直线变为y=1.39x+0.071分类结果变为：(1.24,1.80)，(1.40,2.04)属于Apf类；(1.28,1.84)属于Af类哪一分类直线才是正确的呢？因此如何来确定这个判别直线是一个值得研究的问题．一般地讲，应该充分利用已知的数据信息来确定判别直线．新思路：将问题看作一个系统，飞蠓的数据作为输入，飞蠓的类型作为输出，研究输入与输出的关系。再如，如下的情形已经不能用分类直线的办法：二、神经元与神经网络图3神经元的解剖图大脑可视作为1000多亿神经元组成的神经网络神经元的解剖图神经元的信息传递和处理是一种电化学活动．树突由于电化学作用接受外界的刺激；通过胞体内的活动体现为轴突电位，当轴突电位达到一定的值则形成神经脉冲或动作电位；再通过轴突末梢传递给其它的神经元．从控制论的观点来看；这一过程可以看作一个多输入单输出非线性系统