《_人工神经网络习题解答》由会员分享，可在线阅读，更多相关《_人工神经网络习题解答（5页珍藏版）》请在金锄头文库上搜索。
1、1 第九章 人工神经网络 9.1 答： （1）误差纠正学习；wkj = ek(n)xj(n)；yk(n) 为输入xk(n) 时，神经元k 在n 时刻的实际输出，dk(n) 表示 应有的输出（可由训练样本给出） ；其中 为学习步长，这就是通常所说的误差纠正学习规则（或称 delta 学习规则） 。 （2）Hebb 学习；wkj(n) = F(yk(n),xj(n)；当某一突触（连接）两端的神经元同步激活（同为激活或同为 抑制）时，该连接的强度应为增强，反之应减弱；由于 wkj 与yk(n)，xj(n) 的相关成比例，有时称为相 关学习规则。 （3）竞争（Competitive）学习；若神经元j
2、竞争获胜若神经元j 竞争失败；在竞争学习时，网络各输出单元互相竞争，最后达 到只有一个最强者激活，最常见的一种情况是输出神经元之间有侧向抑制性连接，这样原来输出单元中 如有某一单元较强，则它将获胜并抑制其它单元，最后只有此强者处于激活状态。 9.2 答：略 9.3 答：B-P 算法的学习过程如下： （1）选择一组训练样例，每一个样例由输入信息和期望的输出结果两部分组成。 （2）从训练样例集中取一样例，把输入信息输入到网络中。 （3）分别计算经神经元处理后的各层节点的输出。 （4）计算网络的实际输出和期望输出的误差。 （5）从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调
3、整网络中各神经 元的连接权值。 （6）对训练样例集中的每一个样例重复（3）（5）的步骤，直到对整个训练样例集的误差达到要求时 为止。 , 0 , ji i ji w x w 2 文件头: #include #include #include #include “UTLab.h“ /BP 神经网络 #define n1 7 /输入节点数 #define n2 11 /中间层节点个数 #define n3 5 /输出节点数 #define m 400 /学习次数 void initialization() float bpnet(float tension, float inthick,float
4、 outthick, float meng, float tan,float ping,float tu) float in1n1; float out1n2; float out2n3; float w1n2n1; float w2n3n2; float a1n2; float a2n3; float tn3; float df1n2; float df2n3; float s2n3; float s1n2; float wn2n3; float zn2n3; float a=0.5; int i=0; int j=0; int k=0; int n=0; in11=tension; in1
5、2=inthick; in13=outthick; in14=meng; in15=tan; in16=ping; in17=tu; initialization(); for(n=1;n to begin - Press again to stop iterating.) ;read(kbd,ch) ;END ; (* initialize *)BEGINinitialize ;iterate ;END.5 9.7 答：Kohonen 网络自组织映射算法的实现过程如下： 定义一个输入向量与神经元接收到反馈信息加权值之间的相似性度量 选定输入向量与输出神经元所有连结权之间的相似度度量最大的为获胜输出单元 更新获胜神经元的权值和获胜神经元周围的邻域中所有单元的权值 不断自动地调整连接权最后由稳定的优胜神经元产生输出
