有导师学习神经网络的回归拟合课件_第1页
有导师学习神经网络的回归拟合课件_第2页
有导师学习神经网络的回归拟合课件_第3页
有导师学习神经网络的回归拟合课件_第4页
有导师学习神经网络的回归拟合课件_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

有导师学习神经网络的回归拟合

—汽油辛烷值预测基础理论神经网络的学习规则又称神经网络的训练算法，用来计算更新神经网络的权值和阈值。学习规则有两大类别：有导师学习和无导师学习。在有导师学习中，需要为学习规则提供一系列正确的网络输入/输出对（即训练样本），当网络输入时，将网络输出与相对应的期望值进行比较，然后应用学习规则调整权值和阈值，使网络的输出接近于期望值。而在无导师学习中，权值和阈值的调整只与网络输入有关系，没有期望值，这类算法大多用聚类法，将输入模式归类于有限的类别。1.BP神经网络概述BP神经网络是一种典型的多层前向型神经网络，具有一个输入层、数个隐含层和一个输出层。层与层之间采用全连接的方式，同一层神经元之间不存在相互连接。理论上已证明，具有一个隐含层的三层网络可以逼近任意非线性函数。隐含层中的神经元多采用S型传递函数，输出层的神经元多采用线性传递函数。2.BP神经网络的学习算法BP神经网络的误差反向传播算法是典型的有导师指导的学习算法，其具体思想是对一定数量的样本进行学习，即将样本的输入送至网络输入层的各个神经元，经隐含层和输出层计算后，输出层各个神经元输出对应的预测值，若预测值与期望值输出之间的误差不满足精度要求时，则从输出层反向传播该误差，从而进行权值和阈值的调整，使得网络的输出和期望输出间的误差逐渐减小，直至满足精度要求；BP网络的精髓：

将网络的输出与期望输出间的误差归结为权值和阈值的“过错”，通过反向传播把误差“分摊”给各个神经元的权值和阈值。权值和阈值的调整要沿着误差函数下降最快的方向-负梯度方向。设一对样本为，隐含层神经元为。输入层与隐含层间的网络权重为W1，隐含层与输出层神经元间的网络权值为W2.隐含层与输出层的阈值为则隐含层神经元的输出为：则输出层神经元的输出为：网络输出与期望输出的误差为：3.RBF神经网络又称为多变量插值的径向基函数（radialbasisfunction，RBF）方法。他能以任意精度逼近任意连续函数。用RBF作为隐含层神经元的“基”构成隐含层空间，可以将输入矢量直接映射到隐含层空间，而不需要通过权连接。当RBF中心确定了，映射关系也随着确定。隐含层空间到输出层空间的映射是线性的，即网络的输出是隐含层神经元输出的线性加权和。权值和阈值由线性方程组直接解出。典型的RBF神经网络结构如图所示IW1,1b1*LW1,2b2+输入层隐含层输出层a1a2distRBF具体步骤（1）确定隐含层神经元径向基函数中心（2）确定隐含层神经元阈值

其中，spread为径向基函数的扩展速度。

（3）确定隐含层与输出层间权值和阈值实例辛烷值是汽油最重要的品质指标，传统的实验室检测方法存在样品用量大，测试周期长和费用高等问题，不适合于生产控制，特别是在线测试。本实例采用近红外光谱快速检测辛烷值。60组汽油样品，采

人人文库> 全部分类> 行业资料 > 医学制药

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论