第4章 人工神经网络
内容:教材 109-119 、191-200 页
基础知识(补充)
神经元与神经网络
反向传播神经网络
Hopfield网络
人工神经网络-基础知识
基础知识
1 最速下降法(梯度法)
2 Matlab程序设计语言与神经网络工具箱
人工神经网络-基础知识
1 最速下降法
最速下降法(又称梯度法)是1847年 Cauchy 提出来的最优化算法,用于求解非线性函数的局部最小值(最小点)
人工神经网络-基础知识
回顾高等数学中一元函数的求极值问题:
极小点的条件是:
人工神经网络-基础知识
n 元函数极小点的条件:
矩阵是半正定的
Hesse矩阵
梯度
人工神经网络-基础知识
自然而然想到的求极小值的方法
令梯度为零,通过解非线性方程组,求出一组极值点
根据每一个极值点处的矩阵是否为半正定,来判断极小值点
人工神经网络-基础知识
在实际中,这一方法是不可行的:
变量的个数多
不易求解非线性方程组
不易判断矩阵是否半正定
人工神经网络-基础知识
在最优化技术中,采用迭代的方法求出其中的一个解
不同的初始值可能对应于不同的解,并求出局部极值
人工神经网络-基础知识
在最速下降法中,以负梯度方向作为极小化算法的下降方向
迭代格式为
梯度
人工神经网络-基础知识
是迭代步长,可以用一维搜索来确定
终止准则 :
向量的2范数:
人工神经网络-基础知识
人工神经网络-基础知识 来自淘豆网www.taodocs.com转载请标明出处.