第二章 设计方法

2。1神经网络的学习方法

人造工程精神发射线网群与生命体精神发射线网群一样，把模仿学习作为它的第一根基，进一步具有自主动脑的特性。人造工程精神发射线网群的学习过程，坦白说就是调节权利的指数和阀门的指数的工程。这一历程包含了模仿学习人类生命体，人们提出了多种精神发射线网群的学习方法，在这里面最基础的有三种形式：有监控学习、无监控学习和固定学习。文献综述

2。1。1有监控学习（监督学习）

具有园丁学习是在有“园丁”指点导向和监督检查的情况下进行模仿的方法。

像这样的学习路线，“园丁”得到了与输入输出形态的总群称为练习样本总群；精神发射线网群学习基于某个程度的模仿范围进行模仿，每一次模仿经历完成后，“园丁”都要监督检查模仿的结果，也就是事实上输出a和预计输出t的不同，一个下结论网络是否需要再次模仿，并且基于不同信号调节整合模仿的过程，能够使网络事实上输出和预计输出的不同根据模仿的往返进行而慢慢地削弱。

2。1。2无监控学习（无监督学习）

没有园丁模仿部存在“园丁”的指点导向和监督检查，是靠精神发射线网群本身完成的。。

由于不存在直接可得到的信息当成对应的校正，模仿则是基于输入的简讯，根据它特定存在的网络框架和模仿范围来整合自身的参数或框架（这是一种自模仿、自架构经历），才能够使网络的输出条件反射输入的不确定种类的与生俱来的特性（比如物以类聚或者不确定种类统查上的分布逻辑性）。

2。1。3固定学习（再励学习)

增势模仿介于以上两种模仿行为之间。

外部氛围对模仿后的输出数据唯一能够做的是评价简讯（好或坏），然而并不能给出直接正确可靠的结果。精神发射线网群系统透过增势一部分得到褒扬的作为来提升自身的能力。

2。2BP网络

精神发射线网群计算方法为一种能够让不止一层网络得到学习的模仿计算方法，由此计算方法联系的精神发射线网群被大家冠以精神发射线网群的名字。在人造工程精神发射线网群的实际应用中，精神发射线网群广泛应用在特定数逼近、形态认知/分门别类、结果变小等，大部分的人造工程精神发射线网群网络形态是采用精神发射线网群或其发展模式，它也是向前响应网络的最为重要也不可缺少的一小部分，体现了人造工程精神发射线网群最精华的核心。

2。2。1BP网络主要应用：

（1）函数逼近：用输入既有方向又有大小的线和指定的输出既有方向又有大小的线练习一个网络无限靠拢一个实际问题；

（2）模式变更和区分：用一个特定的输出既有方向又有大小的线将这个既有方向又有大小的线与输入既有方向又有大小的线捆绑起来；

把输入既有方向又有大小的线以所定义的最为确切有效的方法进行分门别类；来:自[优.尔]论,文-网www.youerw.com +QQ752018766-

（3）数据压缩：减少输出既有方向又有大小的线在空间上三种角度以便于外部传输或内部存储

（4）具有将强泛化性能：使网络能够渐进地模仿特定数，使网络能够有逻辑地响应被练习以外的外部输入广阔性只能对被联系的外部输入／内部输出对数量上极值向上范围内的结果有效，即网络存在想内深入值特性，不存在向内反向插值性。超出极值向上范围练习值的输入必然会引起一定规模的输出误差 BP神经网络算法在matlab实现(3):http://www.youerw.com/jisuanji/lunwen_94146.html