BP网络常用传递函数.doc
需积分: 10 10 浏览量
2022-10-20
07:58:43
上传
评论
收藏 43KB DOC 举报
BP 网络常用传递函数
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。
资源评论
