神经网络优化方法(bp算法缺陷).ppt
胜利****实阿
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
神经网络优化方法bp算法缺陷.pptx
第3章神经网络优化方法3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1.1消除样本输入次序影响改进算法3.1.1消除样本输入次序影响改进算法3.1.2附加动量改进算法3.1.3采取自适应调整参数改进算法3.1.4使用弹性方法改进算法3.1.5使用拟牛顿法改进算法3.1.6基于共轭梯度法改进算法3.1.6基于共轭梯度法改进算法3.1.7基于Levenberg-Marquardt法改进算法BP神经
神经网络优化方法(bp算法缺陷).ppt
第3章神经网络优化方法3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1.1消除样本输入顺序影响的改进算法3.1.1消除样本输入顺序影响的改进算法3.1.2附加动量的改进算法3.1.3采用自适应调整参数的改进算法3.1.4使用弹性方法的改进算法3.1.5使用拟牛顿法的改进算法3.1.6基于共轭梯度法的改进算法3.1.6基于共轭梯度法的改进算法3.1.7基于Levenberg-Marq
神经网络优化方法(bp算法缺陷).ppt
第3章神经网络优化方法3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1.1消除样本输入顺序影响的改进算法3.1.1消除样本输入顺序影响的改进算法3.1.2附加动量的改进算法3.1.3采用自适应调整参数的改进算法3.1.4使用弹性方法的改进算法3.1.5使用拟牛顿法的改进算法3.1.6基于共轭梯度法的改进算法3.1.6基于共轭梯度法的改进算法3.1.7基于Levenberg-Marq
遗传算法在BP神经网络优化中的应用.doc
遗传算法在BP神经网络优化中的应用2O世纪80年代后期,多机器人协作成为一种新的机器人应用形式日益引起国内外学术界的兴趣与关注。一方面,由于任务的复杂性,在单机器人难以完成任务时,人们希望通过多机器人之间的协调与合作来完成。另一方面,人们也希望通过多机器人间的协调与合作,来提高机器人系统在作业过程中的效率。1943年,Maeullocu和Pitts融合了生物物理学和数学提出了第一个神经元模型。从这以后,人工神经网络经历了发展、停滞、再发展的过程,时至今日正走向成熟,在广泛领域里得到了应用,其中将人工神经网
bp神经网络算法.doc
BP神经网络算法三层BP神经网络如图:目标输出向量传递函数输出层,输出向量输入层,输入向量隐含层,隐含层输出向量权值为传递函数设网络的输入模式为,隐含层有h个单元,隐含层的输出为,输出层有m个单元,他们的输出为,目标输出为设隐含层到输出层的传递函数为,输出层的传递函数为g于是::隐含层第j个神经元的输出;其中:输出层第k个神经元的输出此时网络输出与目标输出的误差为,显然,它是的函数。下面的步骤就是想办法调整权值,使减小。由高等数学的知识知道:负梯度方向是函数值减小最快的方向因此,可以设定一个步长,每次沿负