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。