您好、欢迎来到现金彩票网!
当前位置:秒速快3计划 > 数值积分 >

针对下列积分设计一种数值稳定算法并证明算法稳定性

发布时间:2019-07-24 22:37 来源:未知 编辑:admin

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  展开全部简介:BP(反向传播)网络于1986年由一组科学家领导的鲁梅哈特和McCelland的建议,前者是反向传播算法训练的多层前馈网络是应用最为广泛的神经网络模型之一。 BP网络能学习和存储大量的输入 - 输出模式映射,恕不另行表明形容这个地图的数学公式。它的学习规则是使用最速下降法,通过反向传播来不断地调整网络权值和阈值,以使最小平方网络的误差。 BP神经网络的拓扑结构,包括输入层(输入),隐层(隐藏层)和输出层(输出层)

  摘要:BP神经网络算法是基于现有的提出算法的BP神经网络是一组通过直接作为代数和线性方程给定的目标输出任意选择的权重来创建线性方程,解出未知右侧,有局部最小值和收敛速度慢的问题没有传统的方法,并更容易理解。

  人工神经网络(人工神经网络,ANN)系统20世纪40年代后出现的,它是由很多神经元调节连接权值连接而成,具有大规模并行处理,分布式信息存储,良好的自组织自学习能力强等特点,在信息处理,模式识别,智能控制系统的建模等领域得到越来越广泛的应用。特别是,反向传播算法(错误反向传播训练,称为BP网络)可以近似任何连续函数,具有很强的非线性映射能力,以及网络的中间层,处理单元和网络学习的层数系数等参数可根据具体情况,非常灵活地设定,因此它在许多应用中具有重要作用。近年来,为了解决该神经网络的收敛速度慢,不能保证收敛到全局最小点时,网络的中间层,它的选择的学习和记忆的单位数没有理论指导,并网络不稳定等缺陷,提出了一些改进的算法。

  BP算法是一种监督学习算法,其主要思想是:输入学习样本,采用BP算法权重和偏置网络反复调整训练,使所需的输出向量矢量尽可能接近,当误差平方网络输出层和小于指定的错误的训练完成,节省重量和偏置网络。具体的步骤如下:

  其中:BJ为第j个隐层神经元的实际输出;克拉第t个输出层神经元的实际输出; WIJ是连接权重与输入层隐藏层; VJT连接权为隐藏层到输出层。

  (4),以选择下一个输入模式,返回到步骤2被重复,直到在网络训练误差来设置的培训要求的输出端。

  传统BP算法本质上是一组样本的输入/输出问题转化为非线性优化问题,并且通过负梯度下降算法,使用学习的方法来解决问题,重迭代中,但它的收敛慢,容易陷入局部最低限度,为此提出了一种新的算法,即高斯消元。

http://hostgladjens.net/shuzhijifen/550.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有