在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

對偶傳播神經網絡的詳細資料說明

Dbwd_Imgtec ? 來源:未知 ? 2019-07-20 10:27 ? 次閱讀

1987年,美國學者Robert Hecht-Nielsen提出了對偶傳播神經網絡模型 (Counter Propagation Network,CPN),CPN最早是用來實現樣本選擇匹配系統的。CPN 網能存儲二進制或模擬值的模式對,因此這種網絡模型也可用于聯想存儲、模式分類、函數逼近、統計分析和數據壓縮等用途。

1. 網絡結構與運行原理

網絡結構如圖所示,各層之間的神經元全互聯連接。從拓撲結構看,CPN網與三層BP網絡相近,但實際上CPN是由自組織網和Grossberg外星網組合而成。隱層為競爭層,采用無導師的競爭學習規則,而輸出層為Grossberg層,采用有導師信號的Widrow-Hoff規則或Grossberg規則學習。

網絡各層按兩種學習規則訓練好之后,運行階段首先向網絡送入輸入變量,隱含層對這些輸入進行競爭計算,獲勝者成為當前輸入模式類的代表,同時該神經元成為如下圖(a)所示的活躍神經元,輸出值為1而其余神經元處于非活躍狀態,輸出值為0。競爭取勝的隱含神經元激勵輸出層神經元,使其產生如下圖(b)所示的輸出模式。由于競爭失敗的神經元輸出為0,不參與輸出層的整合。因此輸出就由競爭勝利的神經元的外星權重確定。

2. 學習算法

網絡學習分為兩個階段:

第一階段是競爭學習算法對隱含層神經元的內星權向量進行訓練;

第二階段是采用外星學習算法對隱含層的神經元的外星權向量進行訓練。

因為內星權向量采用的是競爭學習規則,跟前幾篇博文所介紹的算法步驟基本類似,這里不做介紹,值得說明的是競爭算法并不設置優勝臨域,只對獲勝神經元的內星權向量進行調節。

下面重點介紹一下外星權向量的訓練步驟:

(1)輸入一個模式以及對應的期望輸入,計算網絡隱節點凈輸入,隱節點的內星權向量采用上一階段中訓練結果。

(2)確定獲勝神經元使其輸出為1。

(3)調整隱含層到輸出層的外星權向量,調整規則如下:

β為外星規則學習速率,為隨時間下降的退火函數。O(t)為輸出層神經元的輸出值。

由以上規則可知,只有獲勝神經元的外星權向量得到調整,調整的目的是使外星權向量不斷靠近并等于期望輸出,從而將該輸出編碼到外星權向量中。

3. 改進CPN網

(1) 雙獲勝神經元CPN

指的是在完成訓練后的運行階段允許隱層有兩個神經元同時競爭獲得勝利,這兩個獲勝神經元均取值為1,其他神經元則取值為0。于是有兩個獲勝神經元同時影響網絡輸出。下圖給出了一個例子,表明了CPN網能對復合輸入模式包含的所有訓練樣本對應的輸出進行線性疊加,這種能力對于圖像的疊加等應用十分合適。

(2) 雙向CPN網

將CPN網的輸入層和輸出層各自分為兩組,如下圖所示。雙向CPN網的優點是可以同時學習兩個函數,例如:Y=f (X);X′=f (Y′)

當兩個函數互逆時,有X =X′,Y =Y′。雙向CPN可用于數據壓縮與解壓縮,可將其中一個函數f作為壓縮函數,將其逆函數g作為解壓縮函數。

事實上,雙向CPN網并不要求兩個互逆函數是解析表達的,更一般的情況是f和g是互逆的映射關系,從而可利用雙向CPN實現互聯想。

4.CPN網應用

下圖給出了CPN網用于煙葉顏色模式分類的情況,輸入樣本分布在下圖(a)所示的三維顏色空間中,該空間的每個點用一個三維向量表示,各分量分別代表煙葉的平均色調H,平均亮度L和平均飽和度S。可以看出顏色模式分為4類,分別對應紅棕色,橘黃色,檸檬色和青黃色。下圖(b)給出了CPN網絡結構,隱層共設了10個神經元,輸出層設4個神經元,學習速率為隨訓練時間下降的函數,經過2000次遞歸之后,網絡分類的正確率達到96%。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4777

    瀏覽量

    100954
  • 二進制
    +關注

    關注

    2

    文章

    795

    瀏覽量

    41701
  • 模型
    +關注

    關注

    1

    文章

    3279

    瀏覽量

    48974

原文標題:對偶傳播神經網絡(CPN)

文章出處:【微信號:Imgtec,微信公眾號:Imagination Tech】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    【案例分享】基于BP算法的前饋神經網絡

    傳播的,不會回流),區別于循環神經網絡RNN。BP算法(Back Propagation):誤差反向傳播算法,用于更新網絡中的權重。BP神經網絡
    發表于 07-21 04:00

    神經網絡和反向傳播算法

    03_深度學習入門_神經網絡和反向傳播算法
    發表于 09-12 07:08

    如何構建神經網絡

    原文鏈接:http://tecdat.cn/?p=5725 神經網絡是一種基于現有數據創建預測的計算系統。如何構建神經網絡神經網絡包括:輸入層:根據現有數據獲取輸入的層隱藏層:使用反向傳播
    發表于 07-12 08:02

    徑向基函數神經網絡詳細資料免費下載

    本文檔的主要內容詳細介紹的是徑向基函數神經網絡詳細資料免費下載
    發表于 08-10 08:00 ?3次下載
    徑向基函數<b class='flag-5'>神經網絡</b><b class='flag-5'>詳細資料</b>免費下載

    MATLAB和BP人工神經網絡算法源代碼與演示程序詳細資料免費下載

    本文檔的主要內容詳細介紹的是MATLAB和BP人工神經網絡算法源代碼與演示程序詳細資料免費下載 解壓后,運行CMMATools.exe即可 用于演示BP人工神經網絡算法。
    發表于 03-23 08:00 ?5次下載
    MATLAB和BP人工<b class='flag-5'>神經網絡</b>算法源代碼與演示程序<b class='flag-5'>詳細資料</b>免費下載

    神經網絡的應用及發展的詳細資料說明

    該文介紹了神經網絡的發展、優點及其應用現狀和發展動向,對神經網絡的一些常用算法進行簡單的講解, 著重論述了神經網絡目前的幾個研究熱點, 即神經網絡與遺傳算法、灰色系統、模糊控制、小波分
    發表于 01-22 16:35 ?2次下載

    神經網絡的工具箱詳細資料說明

    本文檔的主要內容詳細介紹的是神經網絡的工具箱詳細資料說明
    發表于 03-12 13:56 ?6次下載
    <b class='flag-5'>神經網絡</b>的工具箱<b class='flag-5'>詳細資料</b><b class='flag-5'>說明</b>

    BP(BackPropagation)反向傳播神經網絡介紹及公式推導

    BP(BackPropagation)反向傳播神經網絡介紹及公式推導(電源和地電氣安全間距)-該文檔為BP(BackPropagation)反向傳播神經網絡介紹及公式推導詳述
    發表于 07-26 10:31 ?48次下載
    BP(BackPropagation)反向<b class='flag-5'>傳播</b><b class='flag-5'>神經網絡</b>介紹及公式推導

    反向傳播神經網絡建模的基本原理

    等方面取得了顯著的成果。本文將詳細介紹BP神經網絡的基本原理,包括網絡結構、激活函數、損失函數、梯度下降算法、反向傳播算法等。 神經網絡概述
    的頭像 發表于 07-02 14:05 ?319次閱讀

    反向傳播神經網絡模型的特點

    反向傳播神經網絡(Backpropagation Neural Network,簡稱BP神經網絡)是一種多層前饋神經網絡,它通過反向傳播算法
    的頭像 發表于 07-02 14:14 ?442次閱讀

    神經網絡反向傳播算法原理是什么

    神經網絡反向傳播算法(Backpropagation Algorithm)是一種用于訓練多層前饋神經網絡的監督學習算法。它通過最小化損失函數來調整網絡的權重和偏置,從而提高
    的頭像 發表于 07-02 14:16 ?722次閱讀

    神經網絡前向傳播和反向傳播區別

    神經網絡是一種強大的機器學習模型,廣泛應用于各種領域,如圖像識別、語音識別、自然語言處理等。神經網絡的核心是前向傳播和反向傳播算法。本文將詳細
    的頭像 發表于 07-02 14:18 ?881次閱讀

    反向傳播神經網絡和bp神經網絡的區別

    反向傳播神經網絡(Backpropagation Neural Network,簡稱BP神經網絡)是一種多層前饋神經網絡,它通過反向傳播算法
    的頭像 發表于 07-03 11:00 ?845次閱讀

    反向傳播神經網絡建模基本原理

    。本文將詳細介紹反向傳播神經網絡的基本原理,包括網絡結構、激活函數、損失函數、梯度下降算法、反向傳播算法等。
    的頭像 發表于 07-03 11:08 ?486次閱讀

    神經網絡前向傳播和反向傳播神經網絡訓練過程中的作用

    神經網絡是一種強大的機器學習模型,它通過模擬人腦神經元的連接方式來處理復雜的數據。神經網絡的核心是前向傳播和反向傳播算法。本文將
    的頭像 發表于 07-03 11:11 ?1533次閱讀
    主站蜘蛛池模板: 午夜大片在线观看| 亚洲综合黄色| 欧美人交性视频在线香蕉| 日本www网站| 欧美成人性色xxxxx视频大 | 午夜国产| 手机看片日韩高清1024| 精品视频69v精品视频| 欧美一区二区三区激情啪啪| 亚洲精品欧洲久久婷婷99| 抽搐一进一出gif免费男男| 亚洲xxx视频| 色多多拼多多网站| 美女张开腿让男人桶爽| 国产三及| 天天影视网天天影网| 国产伦精品一区二区| 亚洲午夜顶级嘿嘿嘿影院| 精品综合久久88色鬼首页| 四虎最新永久在线精品免费| 三级黄色网址| 国模伊人| 天天干人人干| 4455vw亚洲毛片| 久久成人精品免费播放| 天天碰人人| 亚洲成人看片| 亚洲天堂电影在线观看| 三级视频网站| 国产女乱淫真高清免费视频| 天天舔天天插| 欧美在线性| 一区二区三区伦理| 拍拍拍美女黄色1000视频| brazzersvideosexhd欧美高清| 毛片在线不卡| 婷婷国产在线| 国产内地激情精品毛片在线一| 亚洲黄色色图| 久久88色综合色鬼| 热久久最新地址|