采用贝叶斯正则化算法提高 网络的推广能力。在本例中,我们采用两种训练方法,
即 优化算法
()和贝叶斯正则化算法(),
用以训练 网络,使其能够拟合某一附加有白噪声的正弦样本数据。其中,样本数据
可以采用如下
语句生成:
输入矢量:;
目标矢量: !"#$$"%;
$&'&%(&)%%;
程序如下:
*+,,
*,,
**,,
-./0011生成一个新的前向神经网络
23-11对 神经网络进行训练
4311对 神经网络进行仿真
,定义训练样本矢量
为输入矢量
5,,
为目标矢量
66 !"#$$"%5$&'&%(&)%%5,,
,,
,创建一个新的前向神经网络
789%$:6;66'<6=%5,,
'6,优化算法 23-6%5'6$,贝叶斯正则化算法 23-26%5,,
*>+*'<6请选择训练算法$%6%5,,
?*>+*%
,,,,采用 优化算法 23-,,
,,,0*665,,,,,,,,,,,,,,,,,
,,,,设置训练参数
,,,'+*>5,,,,,,,,,,
,,,;+@5,,,,,,,,,,
,,,,重新初始化
,,,%5,,,,,,,,,
,,,'<5
?*>+*$%
,,,,采用贝叶斯正则化算法 23-2,,,,,,,,,,
,,,0*665,,,,,,,,,,,,,,,,,,
,,,,设置训练参数
,,,'+*>5,
,,重新初始化
,,,%5,,,,,,,,,,,,,
评论6
最新资源