本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有實用價值.
一、網絡訓練
程序默認狀態(tài)是樣本訓練狀態(tài),現將樣本訓練狀態(tài)下的如何訓練網絡進行說明:
1.系統(tǒng)精度:
定義系統(tǒng)目標精度,根據需要定義網絡訓練誤差精度.誤差公式是對訓練出網絡的輸出層節(jié)點和實際的網絡輸出結果求平方差的和.
最大訓練次數:
默認為10000次,根據需要調整,如果到達最大訓練次數網絡還未能達到目標精度,程序退出.
3.步長:
默認為0.01,由于采用變步長算法,一般不需人工設置.
4.輸入層數目:
人工神經網絡的輸入層神經元的節(jié)點數目.
5.隱含層數目:
人工神經網絡的隱含層神經元的節(jié)點數目.
6.輸出層數目:
人工神經網絡的輸出層神經元的節(jié)點數目.
7.訓練算法:
強烈建議選取Levenberg-Marquardt算法,該算法經過測試比較穩(wěn)定.
8.激活函數:
不同的網絡激活函數表現的性能不同,可根據實際情況選擇.
9.樣本數據的處理:
由于程序沒有實現歸一化功能, 因此用來訓練的樣本數據首先要歸一化后才能進行訓練.
標簽：
Levenberg-Marquardt
程序
狀態(tài)
樣本
上傳時間：
2013-12-19
上傳用戶：firstbyte
