人工神经网络建模ArtificialNeuronNets[1].ppt

人工神经网络建模ArtificialNeuronNets[1] 人工神经网络建模ArtificialNeuronNets[1] （9） 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 （8） 人工神经网络建模ArtificialNeuronNets[1] （10） 则每个训练循环中按梯度下降时；其权重迭代公式为 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 人工神经网络建模ArtificialNeuronNets[1] 其中 （12） （11） 人工神经网络建模ArtificialNeuronNets[1] BP算法 Step1 选定学习的数据,p=1,…,P, 随机确定初始权矩阵W（0） Step2 用（10）式反向修正,直到用完所有学习数据. 用学习数据计算网络输出 Step3 人工神经网络建模ArtificialNeuronNets[1] 五．应用之例：蚊子的分类 已知的两类蚊子的数据如表1： 人工神经网络建模ArtificialNeuronNets[1] 翼长 触角长 类别 1.78 1.14 Apf 1.96 1.18 Apf 1.86 1.20 Apf 1.72 1.24 Af 2.00 1.26 Apf 2.00 1.28 Apf 1.96 1.30 Apf 1.74 1.36 Af 目标值 0.9 0.9 0.9 0.1 0.9 0.9 0.9 0.1 人工神经网络建模ArtificialNeuronNets[1] 第十一章 人工神经网络建模（Artificial Neuron Nets）  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 1.64 1.38 Af 1.82 1.38 Af 1.90 1.38 Af 1.70 1.40 Af 1.82 1.48 Af 1.82 1.54 Af 2.08 1.56 Af 翼长 触角长 类别 1.78 1.14 Apf 1.96 1.18 Apf 1.86 1.20 Apf 1.72 1.24 Af 2.00 1.26 Apf 2.00 1.28 Apf 1.96 1.30 Apf 1.74 1.36 Af 人工神经网络建模ArtificialNeuronNets[1] 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？ 解法一： 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1 人工神经网络建模ArtificialNeuronNets[1] 图1 飞蠓的触角长和翼长 人工神经网络建模ArtificialNeuronNets[1] 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A B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． 人工神经网络建模ArtificialNeuronNets[1] 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 人工神经网络建模ArtificialNeuronNets[1] ?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