1 / 8

Neural Network

Neural Network. Wang Jimin Nov 18, 2005. 神经网络 (Neural network ， NNet). 是人工智能中研究比较成熟的技术。 神经网络最早是由心理学家和神经生物学家提出的，旨在寻求和测试神经的计算模拟。 神经网络是一组连接的输入 / 输出单元，其中每个连接都与一个权值相连。在学习阶段，通过不断调整神经网络的相连权值，使得能够正确预测输入样本的正确类标号。. NNet. 神经网络通常由输入层、输出层和隐藏层组成，输入层的神经元个数等于样本的特征数， 输出层就是分类判决层，它的神经元个数等于样本的类别数。

odin
Télécharger la présentation

Neural Network

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. NeuralNetwork Wang Jimin Nov 18, 2005

  2. 神经网络(Neural network，NNet) • 是人工智能中研究比较成熟的技术。 • 神经网络最早是由心理学家和神经生物学家提出的，旨在寻求和测试神经的计算模拟。 • 神经网络是一组连接的输入/输出单元，其中每个连接都与一个权值相连。在学习阶段，通过不断调整神经网络的相连权值，使得能够正确预测输入样本的正确类标号。

  3. NNet • 神经网络通常由输入层、输出层和隐藏层组成，输入层的神经元个数等于样本的特征数， • 输出层就是分类判决层，它的神经元个数等于样本的类别数。 • 特点：对噪声数据具有较高的承受能力，但训练需要花费较长的时间。

  4. NNet • 目前最流行的神经网络学习算法是：后向传播算法（Back-propagation, BP）。 • 它通过迭代地处理一组训练样本，将每个样本的网络预测与实际知道的类标号比较，进行学习。对于每个训练样本，修改连接权值，使得网络预测与实际类之间的均方误差最小。 • 这种修改“后向”地进行,即由输出层，经由每个隐藏层，到第一个隐藏层。

  5. BP算法基本步骤 • 1．初始化网络各层的权值及神经元阈值。（一个小的随机数） • 2.向前传播输入：对每一样本，计算隐藏层和输出层每个单元的净输入和输出。

  6. BP算法基本步骤 • 3. 后向传播误差通过更新权值和偏置以反映网络的预测误差。

  7. BP算法基本步骤 • 终止条件： • 更新权值较小 • 正确分类的样本百分比 • 超过预先指定的训练周期（实践中，权收敛可能需要数十万个周期）

  8. Thank you!

More Related