bp神经网络为什么不用了
@闵宗6903：RBF神经网络和BP神经网络有什么区别 -
轩翰17164812765…… 1.RBF 的泛化能力在多个方面都优于BP 网络, 但是在解决具有相同精度要求的问题时, BP网络的结构要比RBF 网络简单.2. RBF 网络的逼近精度要明显高于BP 网络,它几乎能实现完全逼近, 而且设计起来极其方便, 网络可以自动增加神...
@闵宗6903：BP神经网络的应用不足 -
轩翰17164812765…… 神经网络可以用作分类、聚类、预测等.神经网络需要有一定量的历史数据,通过历史数据的训练,网络可以学习到数据中隐含的知识.在你的问题中,首先要找到某些问题的一些特征,以及对应的评价数据,用这些数据来训练神经网络.虽然...
@闵宗6903：bp神经网络训练提前停止 -
轩翰17164812765…… bp神经网络是有一定缺陷的,比如容易陷入局部极小值,还有训练的结果依赖初始随机权值,这就好比你下一个山坡,如果最开始的方向走错了,那么你可能永远也到不了正确的山脚.可以说bp神经网络很难得到正确答案,也没有唯一解,有些时候只能是更多次地尝试、修改参数,这个更多依赖自己的经验,通俗点说就是“你觉得行了,那就是行了”,而不像1+1=2那样确切.如果有耐心,确定方法没问题,那么接下来需要做的就是不停地尝试、训练,得到你想要的结果.另外补充一下,3次迭代收敛的,一般都有问题,尝试重新训练吧.
@闵宗6903：BP神经网络 -
轩翰17164812765…… 我不是大神.但可以给给意见. 1,遗传算法不能改变BP神经网络准确率低的本质问题的.只能在一定程度上优化BP神经网络. 2,你的数据是怎么增加的?由原来的80组数据基础上随意组合的?还有你的输出结果是3个等级.期望输出是什么类型?预测输出是什么类型?你判断正确率的标准是什么?这些都会对正确率有影响. 3,BP神经网络的正确率的提高可以通过:一,改变隐层的节点数.或增减隐层的层数.最少一个隐层,最多2个.二,改变传递函数,一般隐层用tansig,输出层用linear或者tansig. 4,最后的方法是不怎么重要的,就是数据的归一化,一般是归一化或不归一化都可以的,都试试. 我都是书本学过,做过点题目,只能给这些建议.
@闵宗6903：BP神经网络算法的介绍 -
轩翰17164812765…… BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer).
@闵宗6903：关于BP神经网络的一个问题 -
轩翰17164812765…… 不知你是不是用matlab的神经网络工具箱,因为一般神经网络都是成批处理的,每一次调整都会综合所有样本的误差进行调整,而不是一类一类图片的去调整,所以不会出现你说的现象.目前我看过的很多C++或者其它语言自己写的神经网络,都会有这样或那样的理解错误,建议先使用现成的matlab的神经网络工具箱进行训练.另外是输入的问题,图象一般会先提取特征,再将特征作为输入.你在贴吧也提问了吧,这个我在贴吧里也回答了.输出的问题,一般模式识别会用 0 1向量来代表,例如你有三类,目标输出应该是[ 0 1 0]这样,来代表它是第2类, 训练的时候用 0 1 0,当然,预测到的可能是[ 0.1 0.9 0.1]这样.
@闵宗6903：BP神经网络每次训练结果不一样是怎么回事? -
轩翰17164812765…… 因为初始权值和阈值是随机产生的. 神经网络每次结果不同是因为初始化的权值和阈值是随机的,因为每次的结果不一样,才有可能找到比较理想的结果,找到比较好的结果后,用命令save filename net;保存网络,可使预测的结果不会变化,...
@闵宗6903：为什么用训练好的bp神经网络去测试,准确率为0? -
轩翰17164812765…… 1、你可以尝试运行多次后比较其结果,最好重启matlab,再运行你的神经网络程序.2、确认一下你的bp神经网络参数设置是否合理.3、也有可能的数据不适合用bp神经网络训练,可以考虑其他方法.
@闵宗6903：bp神经网络在多输入多输出的情况下,预测的精度为什么这么差? -
轩翰17164812765…… BP神经网络对于训练样本数据的要求是比较高的,样本数量一定要多,建议处理一下样本数据,增多数量,加入动量因子并调整其数值....
@闵宗6903：BP神经网络的介绍 -
轩翰17164812765…… BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
轩翰17164812765…… 1.RBF 的泛化能力在多个方面都优于BP 网络, 但是在解决具有相同精度要求的问题时, BP网络的结构要比RBF 网络简单.2. RBF 网络的逼近精度要明显高于BP 网络,它几乎能实现完全逼近, 而且设计起来极其方便, 网络可以自动增加神...
@闵宗6903：BP神经网络的应用不足 -
轩翰17164812765…… 神经网络可以用作分类、聚类、预测等.神经网络需要有一定量的历史数据,通过历史数据的训练,网络可以学习到数据中隐含的知识.在你的问题中,首先要找到某些问题的一些特征,以及对应的评价数据,用这些数据来训练神经网络.虽然...
@闵宗6903：bp神经网络训练提前停止 -
轩翰17164812765…… bp神经网络是有一定缺陷的,比如容易陷入局部极小值,还有训练的结果依赖初始随机权值,这就好比你下一个山坡,如果最开始的方向走错了,那么你可能永远也到不了正确的山脚.可以说bp神经网络很难得到正确答案,也没有唯一解,有些时候只能是更多次地尝试、修改参数,这个更多依赖自己的经验,通俗点说就是“你觉得行了,那就是行了”,而不像1+1=2那样确切.如果有耐心,确定方法没问题,那么接下来需要做的就是不停地尝试、训练,得到你想要的结果.另外补充一下,3次迭代收敛的,一般都有问题,尝试重新训练吧.
@闵宗6903：BP神经网络 -
轩翰17164812765…… 我不是大神.但可以给给意见. 1,遗传算法不能改变BP神经网络准确率低的本质问题的.只能在一定程度上优化BP神经网络. 2,你的数据是怎么增加的?由原来的80组数据基础上随意组合的?还有你的输出结果是3个等级.期望输出是什么类型?预测输出是什么类型?你判断正确率的标准是什么?这些都会对正确率有影响. 3,BP神经网络的正确率的提高可以通过:一,改变隐层的节点数.或增减隐层的层数.最少一个隐层,最多2个.二,改变传递函数,一般隐层用tansig,输出层用linear或者tansig. 4,最后的方法是不怎么重要的,就是数据的归一化,一般是归一化或不归一化都可以的,都试试. 我都是书本学过,做过点题目,只能给这些建议.
@闵宗6903：BP神经网络算法的介绍 -
轩翰17164812765…… BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer).
@闵宗6903：关于BP神经网络的一个问题 -
轩翰17164812765…… 不知你是不是用matlab的神经网络工具箱,因为一般神经网络都是成批处理的,每一次调整都会综合所有样本的误差进行调整,而不是一类一类图片的去调整,所以不会出现你说的现象.目前我看过的很多C++或者其它语言自己写的神经网络,都会有这样或那样的理解错误,建议先使用现成的matlab的神经网络工具箱进行训练.另外是输入的问题,图象一般会先提取特征,再将特征作为输入.你在贴吧也提问了吧,这个我在贴吧里也回答了.输出的问题,一般模式识别会用 0 1向量来代表,例如你有三类,目标输出应该是[ 0 1 0]这样,来代表它是第2类, 训练的时候用 0 1 0,当然,预测到的可能是[ 0.1 0.9 0.1]这样.
@闵宗6903：BP神经网络每次训练结果不一样是怎么回事? -
轩翰17164812765…… 因为初始权值和阈值是随机产生的. 神经网络每次结果不同是因为初始化的权值和阈值是随机的,因为每次的结果不一样,才有可能找到比较理想的结果,找到比较好的结果后,用命令save filename net;保存网络,可使预测的结果不会变化,...
@闵宗6903：为什么用训练好的bp神经网络去测试,准确率为0? -
轩翰17164812765…… 1、你可以尝试运行多次后比较其结果,最好重启matlab,再运行你的神经网络程序.2、确认一下你的bp神经网络参数设置是否合理.3、也有可能的数据不适合用bp神经网络训练,可以考虑其他方法.
@闵宗6903：bp神经网络在多输入多输出的情况下,预测的精度为什么这么差? -
轩翰17164812765…… BP神经网络对于训练样本数据的要求是比较高的,样本数量一定要多,建议处理一下样本数据,增多数量,加入动量因子并调整其数值....
@闵宗6903：BP神经网络的介绍 -
轩翰17164812765…… BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
