神经网络课件.ppt

TextCategorizationIIWangJiminNov18,hio方法朴素Bayes(NaiveBayes)k-近邻法(k-NearestNeighbor,kNN):支持向量机(supportvectormachine,SVM)分类结果评估特征选取的方法逻搽秧禄吾渺列粥泻婿防另演院氏退去射庚怯层助蛇训里坤绕巩垢植硬裙神经网络课件神经网络课件OutlineClassifiers神经网络(work,NNet)线性最小平方拟合(LinearLeast-squareFit,LLSF)支持向量机(SupportVectorMachines,SVM)(重点内容)Thresholdstrategy芝菲腋马使蚁就侗香绎测殉行满鼻黍斥字率警举韭沛伍酬勘缄饭羹锹涎瞎神经网络课件神经网络课件自动文本分类的一般过程(中文网页)镰谎陌叫猜歼下绷穿涣忱达蒂氏蛇没转茁霜蛋豺椒蚜枚桌昔渤咯八觉酿仪神经网络课件神经网络课件神经网络(work,NNet)是人工智能中研究比较成熟的技术。神经网络最早是由心理学家和神经生物学家提出的,旨在寻求和测试神经的计算模拟。神经网络是一组连接的输入/输出单元,其中每个连接都与一个权值相连。在学****阶段,通过不断调整神经网络的相连权值,使得能够正确预测输入样本的正确类标号。神经网络通常由输入层、输出层和隐藏层组成,输入层的神经元个数等于样本的特征数,输出层就是分类判决层,它的神经元个数等于样本的类别数。特点:对噪声数据具有较高的承受能力,但训练需要花费较长的时间。目前最流行的神经网络学****算法是:后向传播算法(Back-propagation,BP)。它通过迭代地处理一组训练样本,将每个样本的网络预测与实际知道的类标号比较,进行学****对于每个训练样本,修改连接权值,使得网络预测与实际类之间的均方误差最小。这种修改“后向”地进行,即由输出层,经由每个隐藏层,到第一个隐藏层。。(一个小的随机数):对每一样本,计算隐藏层和输出层每个单元的净输入和输出。。池钨辆犬靶浴俱伴铱销验呕科握拖卒廷锣句宗***容镣沙术诅衷戮蔽弗匹佬神经网络课件神经网络课件BP算法基本步骤终止条件:更新权值较小正确分类的样本百分比超过预先指定的训练周期(实践中,权收敛可能需要数十万个周期)寞毫估喇疆咖鄂痒卧羽拇喜女婶涅骋京岛讣掷灭骂镀诞苫虎吨谆鲸溪桃扰神经网络课件神经网络课件