🍁🥬🕒摘要🕒🥬🍁
BP人工神经网络隐层结构的确定,尤其是隐层神经元数目的选择历来是研究的热点。针对目前解决这一问题尚缺乏严格的理论依据,设计者多凭经验而定,介绍了用来优化设计隐层结构的可行方法,纵览了现有多种设计研究成果,从而探讨了新的设计方向。分析了网络隐层结构优化问题的产生及其理论依据,对各种设计方法进行了详细的分类综述, 探讨各自的优势与不足,并对神经网络结构优化问题的研究和发展做了评述与展望。 本文实现了误差逆传播算法 。编程验证表明 ,改进后的误差逆传播算法速度快、精度高、收敛性好 。
✨🔎⚡运行结果⚡🔎✨
💂♨️👨🎓Matlab代码👨🎓♨️💂
%% 程序入口
clear all
input_data % 输入训练集
init_pamas % 进行训练
% 开始预测
for i = 1:size(X,1)
p = pre(X(i,:));
% x有p的概率为1
fprintf('f( %s ) = round(%.4f) = %d\n', num2str(X(i,:)), p, round(p));
end
% 绘图
plot(result);
if size(X, 1)>=4
legend(num2str(X(1,:)),num2str(X(2,:)),num2str(X(3,:)),num2str(X(4,:)));
end
title('异或');
xlabel('训练次数');
ylabel('为1的概率，即不为0的概率');
📜📢🌈参考文献🌈📢📜
[1]王平.误差逆传播算法的改进[J].北京印刷学院学报,2001(02):20-22.DOI:10.19461/j.cnki.1004-8626.2001.02.004.