您好、欢迎来到现金彩票网!
当前位置:国民彩票app下载 > 高斯分布 >

BP神经网络预测预测结果与样本数据的理解。

发布时间:2019-08-03 13:11 来源:未知 编辑:admin

  朋友让看一个BP神经网络的程序。由样本数据(如图1),数与数之间有空格隔开,共8个样本数据。导入程序进行预测,其中有关BP神经网络的参数设置为(如图2),经过训练后,预测出一个结...

  朋友让看一个BP神经网络的程序。由样本数据(如图1),数与数之间有空格隔开,共8个样本数据。导入程序进行预测,其中有关BP神经网络的参数设置为(如图2),经过训练后,预测出一个结果数据文件(如图3)。

  由于对BP神经网络不是特别熟悉,所以求大神解答一下,这样的预测结果和样本是怎样的对应关系?这样的预测结果代表着什么?

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  展开全部输入节点数是3,说明输入向量的行数m=3,你给的样本只有1行,是不是不全?输出节点只有一个,说明每3个输入数据对应一个预测的输出数据。

  其实样本数量很少,就不需要训练那么多次了,训练了也白训练。你问“这样的预测结果代表着什么?”,你也没说这些数据在现实中是什么,怎么会知道呢。更多追问追答追问其实这只是一个测试程序。

  我要做的其实是关于图像演变的预测,要结合元胞自动机模型来做。所以想在BP神经网络中输入8个值,然后预测出1个值。但是看来很久的神经网络都不是特别明白其中所说的“样本训练“和”各层权值矩阵的生成与调节”这两个环节,总是想的不那么明白。

  您能不能简单直白的给我介绍一下BP神经网络算法的实现方法和运行机制?最好是能有关我要做的8个输入、预测1个输出这一问题。万分感谢。追答1)正向传播:输入样本-输入层-各隐层(处理)-输出层

  注1:若输出层实际输出与期望输出(教师信号)不符,则转入2)(误差反向传播过程)

  2)误差反向传播:输出误差(某种形式)-隐层(逐层)-输入层

  其主要目的是通过将输出误差反传,将误差分摊给各层所有单元,从而获得各层单元的误差信号,进而修正各单元的权值(其过程,是一个权值调整的过程)。

  注2:权值调整的过程,也就是网络的学习训练过程(学习也就是这么的由来,权值调整)。

  其实,BP算法就是四个公式,编程的时候套公式就可以,具体的推导过程可以不懂。

  输入神经元、输出神经元个数都是可以随意设定的,在编程里也就是数组维数不同而已。追问谢谢指导。您说的这些我都知道,也看过很多遍,可就是不能准确的应用在编程和处理实际问题上。您有没有那种具体的小例子,给我参考参考?

  我说的公式是指权值和阈值的修正公式。不知道你用哪种语言编程,我上传一个C++的例子。

http://catacurian.net/gaosifenbu/930.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有