bp神经网络的学习方法
@史狄4763：如何快速学习matlab BP神经网络 -
皇促13929972905…… 如何快速学习matlab BP神经网络 我不知道你是要深入的了解其原理,还是只是用用而已…… 对于我来说,我基本上是着眼于BP神经网络的应用,分类啊,拟合(预测)啊.而对于原理,我只能说我不是很了解,看过一些,但是似懂非懂.综合,我推荐《MATLAB神经网络43个案例分析》这本书吧,大部分是着眼于应用,即直接调用MATLAB的函数来实现神经网络的搭建,训练,应用,而这本书的第一章给出了自己实现BP神经网络的例子和程序(不调用MATLAB的神经网络方面的函数) 要深入原理的话,读原码最好了, 不过读matlab工具箱的原码比较繁杂,你可以看这个简化版的:
@史狄4763：简要说明前馈神经网络的BP算法学习过程,并指出其具有什么缺点及其原因? -
皇促13929972905…… 计算步骤 1.确定最大误差和最大学习次数. 2.计算当前输入下的输出. 3.判断输出误差是否满足要求,满足则退出,不满足则开始学习. 4.计算广义误差,连接权系数更新. 6.次数加1,继续迭代计算直到满足要求. 缺点: 1.计算速度慢(计算量大,学习算法不成熟,不同的算法针对不同的问题收敛才快些) 2.输入信号与训练信号相差加大时,可能导致结果完全错误(不同的区域可能有不同的极值)
@史狄4763：bp神经网络用啥算法? -
皇促13929972905…… 自己找个例子算一下,推导一下,这个回答起来比较复杂 神经网络对模型的表达能力依赖于优化算法,优化是一个不断计算梯度并调整可学习参数的过程,Fluid中的优化算法可参考 优化器 .在网络的训练过程中,梯度计算分为两个步骤:前向...
@史狄4763：BP神经网络算法的介绍 -
皇促13929972905…… 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).
@史狄4763：MATLAB中BP神经网络的训练算法具体是怎么样的 -
皇促13929972905…… 先用newff函数建立网络,再用train函数训练即可. 1)正向传播:输入样本->输入层->各隐层(处理)->输出层 注1:若输出层实际输出与期望输出(教师信号)不符,则转入2)(误差反向传播过程) 2)误差反向传播:输出误差(某种形式)-...
@史狄4763：BP神经网络在线学习的误差计算方法 -
皇促13929972905…… 标准BP算法中,每输入一个样本,都要回传误差并调整权值,这种对每个样本轮训的方法称为“单样本训练”.由于单样本训练遵循的是只顾眼前的“本位主义”原则,只针对每个样本产生的误差进行调整,难免顾此失彼,使训练次数增加,导致收敛速度过慢.因此,有另外一种方法,就是在所有样本输入之后,计算网络的总误差,再根据总误差调整权值,这种累积误差的批处理方式称为“批训练”或“周期训练”.在样本数较多时,批训练比单样本训练的收敛速度更快.
@史狄4763：什么是BP神经网络? -
皇促13929972905…… BP算法的基本思想是:学习过程由信号正向传播与误差的反向回传两个部分组成;正向传播时,输入样本从输入层传入,经各隐层依次逐层处理,传向输出层,若输出层输出与期望不符,则将误差作为调整信号逐层反向回传,对神经元之间的...
@史狄4763：用Matlab算BP神经网络的具体算法? -
皇促13929972905…… BP神经网络的传递函数一般采用sigmiod函数,学习算法一般采用最小梯度下降法;下面是具体的程序例子:例1 采用动量梯度下降算法训练 BP 网络.训练样本定义如下:输入矢量为 p =[-1 -2 3 1 -1 1 5 -3] 目标矢量为 t = [-1 -1 1 1] 解:本例的 ...
@史狄4763：BP神经网络算法的关键词 -
皇促13929972905…… BP算法是一种有监督式的学习算法,其主要思想是:输入学习样本,使用反向传播算法对网络的权值和偏差进行反复的调整训练,使输出的向量与期望向量尽可能地接近,当网络输出层的误差平方和小于指定的误差时训练完成,保存网络的权...
@史狄4763：什么是神经网络的BP算法 -
皇促13929972905…… 简介: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...
皇促13929972905…… 如何快速学习matlab BP神经网络 我不知道你是要深入的了解其原理,还是只是用用而已…… 对于我来说,我基本上是着眼于BP神经网络的应用,分类啊,拟合(预测)啊.而对于原理,我只能说我不是很了解,看过一些,但是似懂非懂.综合,我推荐《MATLAB神经网络43个案例分析》这本书吧,大部分是着眼于应用,即直接调用MATLAB的函数来实现神经网络的搭建,训练,应用,而这本书的第一章给出了自己实现BP神经网络的例子和程序(不调用MATLAB的神经网络方面的函数) 要深入原理的话,读原码最好了, 不过读matlab工具箱的原码比较繁杂,你可以看这个简化版的:
@史狄4763：简要说明前馈神经网络的BP算法学习过程,并指出其具有什么缺点及其原因? -
皇促13929972905…… 计算步骤 1.确定最大误差和最大学习次数. 2.计算当前输入下的输出. 3.判断输出误差是否满足要求,满足则退出,不满足则开始学习. 4.计算广义误差,连接权系数更新. 6.次数加1,继续迭代计算直到满足要求. 缺点: 1.计算速度慢(计算量大,学习算法不成熟,不同的算法针对不同的问题收敛才快些) 2.输入信号与训练信号相差加大时,可能导致结果完全错误(不同的区域可能有不同的极值)
@史狄4763：bp神经网络用啥算法? -
皇促13929972905…… 自己找个例子算一下,推导一下,这个回答起来比较复杂 神经网络对模型的表达能力依赖于优化算法,优化是一个不断计算梯度并调整可学习参数的过程,Fluid中的优化算法可参考 优化器 .在网络的训练过程中,梯度计算分为两个步骤:前向...
@史狄4763：BP神经网络算法的介绍 -
皇促13929972905…… 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).
@史狄4763：MATLAB中BP神经网络的训练算法具体是怎么样的 -
皇促13929972905…… 先用newff函数建立网络,再用train函数训练即可. 1)正向传播:输入样本->输入层->各隐层(处理)->输出层 注1:若输出层实际输出与期望输出(教师信号)不符,则转入2)(误差反向传播过程) 2)误差反向传播:输出误差(某种形式)-...
@史狄4763：BP神经网络在线学习的误差计算方法 -
皇促13929972905…… 标准BP算法中,每输入一个样本,都要回传误差并调整权值,这种对每个样本轮训的方法称为“单样本训练”.由于单样本训练遵循的是只顾眼前的“本位主义”原则,只针对每个样本产生的误差进行调整,难免顾此失彼,使训练次数增加,导致收敛速度过慢.因此,有另外一种方法,就是在所有样本输入之后,计算网络的总误差,再根据总误差调整权值,这种累积误差的批处理方式称为“批训练”或“周期训练”.在样本数较多时,批训练比单样本训练的收敛速度更快.
@史狄4763：什么是BP神经网络? -
皇促13929972905…… BP算法的基本思想是:学习过程由信号正向传播与误差的反向回传两个部分组成;正向传播时,输入样本从输入层传入,经各隐层依次逐层处理,传向输出层,若输出层输出与期望不符,则将误差作为调整信号逐层反向回传,对神经元之间的...
@史狄4763：用Matlab算BP神经网络的具体算法? -
皇促13929972905…… BP神经网络的传递函数一般采用sigmiod函数,学习算法一般采用最小梯度下降法;下面是具体的程序例子:例1 采用动量梯度下降算法训练 BP 网络.训练样本定义如下:输入矢量为 p =[-1 -2 3 1 -1 1 5 -3] 目标矢量为 t = [-1 -1 1 1] 解:本例的 ...
@史狄4763：BP神经网络算法的关键词 -
皇促13929972905…… BP算法是一种有监督式的学习算法,其主要思想是:输入学习样本,使用反向传播算法对网络的权值和偏差进行反复的调整训练,使输出的向量与期望向量尽可能地接近,当网络输出层的误差平方和小于指定的误差时训练完成,保存网络的权...
@史狄4763：什么是神经网络的BP算法 -
皇促13929972905…… 简介: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...
