一 、 实验背景
原始数据共4116个样本,4个类,每个样本的输入 x=[x1,x2] ,输出 y ,
二、 算法描述与分析
1.算法描述
采用BP网络分类,BP网络结构为 2−2−1 , n=2 个输入单元, l=2 个隐含单元, m=1 个输出单元,隐含层采用sigmoid函数 sigm(x)=11+e−x ,输出层单元采用线性函数
网络第一层,即输入层与隐含层:
权值 wij 阈值 aj ;程序中用均值为0.01,方差0.2的高斯分布的随机数初始化
网络第二层,即隐含层与输出层:
权值 wjk 阈值 bk ;程序中 wjk 用均值为0.01,方差0.2的高斯分布的随机数初始化, bk 用(0,1)区间的均匀分布值初始化
sigmoid函数的图像
sigm(-5)=0.0067
sigm(5)=0.9933
采用误差反向传播更新权值阈值,训练网络,设定学习率 η1,η2 ,最大迭代次数iteration
1) 隐含层输出
Hj=f(∑n1wijxi−aj) ...........j=1,2,…,l
l 为隐含层节点数,
2) 输出层