摘要: 花了一个多星期的时间在重新学习 人工神经网络(Artificial Neural Netwroks)关于人工神经网络(Artificial Neural Netwroks)的介绍以及应用可以通过网络获得在我的笔记中主要关于多个算法流程是如何实现的“读书每有所得必记录之” 某人说的，因此我也诞生了下面的笔记和大家分享人工神经网络(Artificial Neural Netwroks)笔记-离散单输出...阅读全文

摘要: 人工神经网络(Artificial Neural Netwroks)笔记-基本BP算法 上文中已经提到“基础BP算法“偏爱”较后出现的样本，因此较后出现的样本对网络影响较大”本文将记录如何消除这个影响用(X1,Y1),(X2,Y2),....(Xs,Ys)的总效果丢该 W^(1),W^(2),...W^(L)△W^(K)ij=∑△pW^(k)ij只是替换了原来的简单修改权重矩阵那部分具体算法流程如...阅读全文

摘要: 单层的感知器并不能解决XOR问题人工神经网络(Artificial Neural Netwroks)也因为这个问题而陷入了低潮，但是后来提出的多层感知器却让人工神经网络(Artificial Neural Netwroks)再一次high起来BP网络是最为广泛的一种。具体的原理介绍可以通过网络得到这里只描述算法流程基本的BP算法1 for k=1 toL do初始化W^(k)2初始化精度控制参数ε...阅读全文

摘要: 人工神经网络(Artificial Neural Netwroks)笔记--离散多输出感知器训练算法 中的2.1.3步是多个判断，因此我们说它是一种离散多输出感知器现在采用公式 Wij=Wij+α(Yj-Oj)Xi取代了那个步骤Yj和Oj之间的差别对Wij的影响由α(Yj-Oj)Xi表现出来这样做的好处是不仅使得算法的控制在结构上更容易理解，而且还使得它的适应面更宽算法流程如下：1.用适当的小伪随...阅读全文

摘要: 这是对离散单输出感知器算法的扩展相关的符号定义请参考 《人工神经网络(Artificial Neural Netwroks)笔记-离散单输出感知器算法 》OK,Start Our Game1.初始化权重矩阵W;2.重复下列过程，直到训练完成：2.1对每个样本(X,Y),重复如下过程：2.1.1 输入X;2.1.2计算O=F(XW);2.1.3 for j=1 to m do 执行如下操作：ifOj...阅读全文

摘要: delta规则增量学习Wij(t+1)=Wij(t)+α(Yj-Aj(t))Oi(t)式中 Wij(t+1)、Wij(t) 分别表示神经元ANi到ANj的联接在时刻t+1和时刻t的强度，Oi(t)为ANi神经元在时刻t的输出，Yj为神经元ANj的理想输出,Aj(t)为神经元ANj的激活状态，α为给定的学习率这是有监督学习(Supervised Learning)中最为重要，应用最普遍的delta规...阅读全文