BP网络常用传递函数.pdf_BP网络的传递函数资源-CSDN文库

版权申诉

102 浏览量 2023-04-25 18:34:37 上传评论收藏 160KB PDF 举报

资源推荐

资源详情

资源评论

BP 网络常用传递函数

BP 网络的传递函数有多种。 Log-sigmoid 型函数的输入值可取任意值，输出值在 0

和 1 之间； tan-sigmod 型传递函数 tansig 的输入值可取任意值，输出值在 -1

到+1 之间；线性传递函数 purelin 的输入与输出值可取任意值。 BP 网络通常有一个

或多个隐层，该层中的神经元均采用 sigmoid 型传递函数，输出层的神经元则采用

线性传递函数，整个网络的输出可以取任意值。各种传递函数如图 5.6 所示。

只改变传递函数而其余参数均固定，用本章 5.2 节所述的样本集训练 BP 网络时发

现，传递函数使用 tansig 函数时要比 logsig 函数的误差小。于是在以后的训练中

隐层传递函数改用 tansig 函数，输出层传递函数仍选用 purelin 函数。

3) 每层节点数的确定：使用神经网络的目的是实现摄像机输出 RGB 颜色空间与

CIE-XYZ 色空间转换，因此 BP 网络的输入层和输出层的节点个数分别为 3。下面

主要介绍隐层节点数量的确定。

对于多层前馈网络来说，隐层节点数的确定是成败的关键。若数量太少，则网络

所能获取的用以解决问题的信息太少；若数量太多，不仅增加训练时间，更重要

的是隐层节点过多还可能出现所谓“过渡吻合”( Overfitting )问题，即测试误差增

大导致泛化能力下降，因此合理选择隐层节点数非常重要。关于隐层数及其节点数

的选择比较复杂，一般原则是：在能正确反映输入输出关系的基础上，应选用较少的

隐层节点数，以使网络结构尽量简单。本论文中采用网络结构增长

型方法，即先设置较少的节点数，对网络进行训练，并测试学习误差，然后逐渐

增加节点数，直到学习误差不再有明显减少为止。

newff()

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

hhappy0123456789

粉丝: 60
资源: 5万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip