没有合适的资源?快使用搜索试试~ 我知道了~
首页单隐层神经网络参数推导与BP算法应用
本文档深入探讨了神经网络参数更新公式推导的过程,特别是对于单隐层网络的发展和优化。首先,文章回顾了神经网络的历史演变,从MP神经元的简单感知机,到多层前馈神经网络的发展,以及遇到的非线性问题,如单个神经元的局限性和参数更新的挑战。 感知机时期,由于单一MP神经元无法处理非线性问题,例如“异或”函数,这促使研究者考虑增加神经元数量。然而,单纯增加神经元导致的问题包括参数变化对网络输出的影响微弱(因为Sigmoid激活函数的不连续性),以及计算梯度的困难。这揭示了传统的反向传播方法在效率上的局限性。 为了解决这些问题,文档引入了Sigmoid激活函数,它使得神经网络转变为多层前馈网络,尤其是单隐层模型,理论上能逼近任何连续函数。在这个框架下,参数优化成为关键,即找到使网络输出与目标函数最接近的权重和阈值。 为了实现参数更新,文档介绍了BP(Backpropagation,反向传播)算法。这个算法最初由Paul Werbos在1974年提出,但真正被广泛应用是在Hinton和Rumelhart在1986年将其与多层前馈网络相结合之后。BP算法通过计算预测误差,反向传播梯度,逐层调整权重,从而有效地解决了参数更新的难题。这种方法允许神经网络进行监督学习,通过迭代过程逐步优化网络性能,直至达到最小化损失函数的目标。 总结来说,本文档详细讲解了神经网络从单隐层网络发展到现代深度学习过程中,如何通过参数更新公式和BP算法来解决非线性问题和优化网络性能的关键步骤。理解这些原理对于设计和改进神经网络模型具有重要意义。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/12733580/bg1.jpg)
神经网络参数更新公式推导(一)
——单隐层网络
一、 神经网络的发展过程:
1. MP 神经元;
2. 感知机;
3. 多层前馈神经网络;
4. 误差逆向传播算法;
二、 神经网络发展中的问题:
早期的感知机只有一个 MP 神经元,不能处理非线性问题,甚至连最简单的“异或”问题
都不能解决。出现这种显现的问题在于只有一个 MP 神经元,但是自然界中绝大多数生物
都不止一个细胞,当单个 MP 神经元出现局限的时候,自然会想到在感知机基础上增加更
多的神经元,让感知机更加强大。
解决非线性问题的方法:增加 MP 神经元数量,例如可以再增加一层神经元,如下图:
增加神经元个数又带来新的两个问题:
问题 1. 由于硬判别,参数的变化并没有导致网络整体输出的变化;
原因:神经元的激活函数是阶梯函数,其不连续且不可导,输出跳变,只有 0 和 1 两
种结果。
问题 2. 参数如何更新?
原因:由于神经网络的层级结构,输出 Y 是复合了多次输入的函数,直接求导其偏导
数很复杂,计算效率很低。(从这里可看到,传统的方法也能解决逆向传播的问题,只是
效率比较低,而 BP 算法也是主要为提高计算效率而提出。)
三、 解决方法:
针对问题 1:激活函数不能采用线性函数,因为多个线性神经元激活函数级联在一起
后最终还是一个线性函数,只是复杂度变高。实际中常采用 Sigmoid 函数:
将 神 经 网 络 的 激 活 函 数 替 换 为 Sigmoid 函 数 , 则 网 络 变 为 多 层 前 馈 ( Forward
propagation)神经网络,多层是指隐含层至少一层。
已有理论证明:一个有限数目神经元的单隐层多层前馈网络可以以任意精度逼近任意
复杂的连续函数,就是单隐层网络可以学习任意连续函数。
剩下的问题就是求解最优权重参数 和阈值 。
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/4a0881cf0884483db553b93b8e8779c7_u013920434.jpg!1)
ma_studd
- 粉丝: 131
- 资源: 3
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)