1.24ANN神经网络（BP)(激活函数的类型，选择，构建不同的ANN网络（二分类，多分类，多标签，线性回归），实例）

最新推荐文章于 2024-05-31 13:51:06 发布
最新推荐文章于 2024-05-31 13:51:06 发布
阅读量535 收藏 9
点赞数 16
分类专栏： 数学方法 机器学习&神经网络 数模 文章标签： 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73553411/article/details/135831549
版权

激活函数

sigmoid函数 

sigmoid函数的导数值小于等于0.25

 

tanh函数 

relu 

 
在输入小于0时

LR 

问题实例



这里主要就是输出层的搭建，搭建几个输出层以及输出层的函数怎么选择的问题

二分类问题

 就是sigmoid返回落在0和1之间，就是可以体现概率，依据它的输入

多分类问题

多标签问题 

就是说这里和多分类的神经网络框架都是一样的，不一样的就是它的激活函数选择

线性回归问题 

 实例

 隐藏层与输出层的输出函数都选择LR函数

就是说，在神经元的传递之间，用的都是权值和相加的线性方式，然后各个隐藏层及输出层神经元受到信号后产生一个怎样的信号，是由输出函数去决定的

这里要学习的是两个参数，一个是权重w，一个是位移偏差bisas，就是Y=wx+b

它的调整是自最里层到最外层的，就是先确定最里层的为常量，然后再逐次到最外层 

CQU_JIAKE
关注
  • 16
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
神经网络模型蠓虫数据进行分类
03-01
Ⅰ：运用BP神经网络对下面函数进行训练：① y=sin(x);x=[0,2*pi] ②y=x1(XOR)x2 Ⅱ：通过神经网络模型蠓虫数据进行分类，并对结果进行分析。生物学家试图对两种蠓虫（Af与Apf）进行鉴别，依据的资料时触角和翅膀的长度，已经测得了9支Af和6支Apf的数据如下：Af：（1.24，1.27），（1.36，1.74），（1.38，1.64），（1.38，1.82），（1.38，1.90），（1.40，1.70），（1.48，1.82），（1.54，1.82），（1.56，2.08）Apf：（1.14，1.82），（1.18，1.96），（1.20，1.86），（1.26，2.00），（1.28，2.00），（1.30，1.96）对触角和翼长分别为（1.24，1.80），（1.28，1.84）与（1.40，2.04）的3个标本，用所得到的方法加以识别。 代码+课程报告
基于Centos系统使用Ansible一键部署K8S1.24.12二进制集群自动化工具
08-03
原文链接：https://blog.csdn.net/m0_37814112/article/details/132034878 说明：由于资源文件超过1G，超过上传限制，所以使用百度网盘资源地址，永久下载有效，真实可靠，创作不易，请大家多多理解！ 实现功能： 1、当前一键部署工具仅支持 X86_64架构的Centos操作系统。 2、支持 单机、一主多从、两主多从、三主多从等四种部署架构和六种部署模式的二进制K8S离线集群，且 证书有效期为99年。 3、支持一键部署、启动、停止、检查、集群备份（etcd）、集群恢复（etcd）、集群移除等功能。 4、支持worker节点一键扩容和移除。 5、支持harbor私有镜像仓库。
BP神经网络-蚊子识别问题.c
09-15
蚊子的分类问题 已知的两类蚊子的数据如表1： 翼长 触角长 类别 1.78 1.14 Apf 1.96 1.18 Apf 1.86 1.20 Apf 1.72 1.24 Af 2.00 1.26 Apf 2.00 1.28 Apf 1.96 1.30 Apf 1.74 1.36 Af 翼长 触角长 类别 1.64 1.38 Af 1.82 1.38 Af
matlab神经网络建模程序,人工神经网络建模matlab..ppt
weixin_39710288的博客
03-19 352
第十一章 人工神经网络建模(Artificial Neuron Nets) 一、引例 问：如果抓到三只新的蚊子，它们的触角长和翼长分别为(l.24,1.80); (l.28，1.84)；(1.40，2.04)．问它们应分别属于哪一个种类？ 思路：作一直线将两类飞蠓分开 分类结果：(1.24，1.80)，(1.28，1.84)属于Af类；(1.40，2.04)属于 Apf类． ?缺陷：根据...
BP神经网络
jesseyule的博客
08-08 381
之前从单个感知器介绍到多层感知器，也介绍了反向传播算法，总的来说这些就是神经网络的基础内容，所以现在就来总结一下神经网络的知识点。 根据前面的介绍我们已经知道，神经网络就是由神经元构成的网络，神经元实际上和广义线性模型是非常相似的，举个例子，逻辑回归就是一种广义线性模型，它和线性回归的区别就在于对输入变量的加权组合加上了一个link function（sigmoid函数），使得输入变量的输出不再...
【手写数字识别】基于matlab GUI BP神经网络单个或连续手写数字识别系统【含Matlab源码 2296期】
Matlab912100926的博客
04-22 562
BP神经网络单个或连续手写数字识别系统 完整代码，直接运行，适合小白！可提供运行操作视频！
支持向量域多分类器 (2012年)
04-22
为解决多分类支持向量机计算量大、训练时间长的问题，构造了支持向量域多分类器(MSVDC)．在训练阶段，运用支持向量域描述求得各类样本的最小包围超球，进而将数据空间划分为不同区域；在测试阶段，计算待识别样本与...
云计算网络工程师入门视频.zip
02-19
目录网盘文件永久链接 ...1.24-使用starwind 搭建共享存储实验环境.mp4 1.25-Fusion computer连接共享存储.mp4 1.26-桌面云 虚拟桌面简介.mp4 1.27-Open Stack与云的关系.mp4 1.3-数据中心简介.mp4 ...............
【Matlab TSP】改进的遗传算法求解旅行商问题【含GUI源码 926期】
Matlab研究室
11-09 159
改进的遗传算法求解旅行商问题 完整的代码，包运行；运行操作视频见CSDN资源！适合小白！
遗传算法GA优化BP神经网络(GA-BP)回归预测-Matlab代码实现
baoliang12345的博客
04-23 3885
在使用遗传算法优化BP神经网络的回归预测问题时，将BP神经网络的参数作为遗传算法优化的目标函数，以预测误差作为适应度函数，不断更新BP神经网络的参数，以期得到更优的回归预测结果。遗传算法的主要思想是模拟生物进化过程中的自然选择和适应度递增的过程，通过选择、交叉和变异等操作，不断优化种群的适应度，最终得到最优解。在使用遗传算法优化BP神经网络的回归预测问题时，可以结合遗传算法优化算法的搜索能力和BP神经网络的学习能力，充分利用两者的优点，从而得到更好的回归预测结果。（5）BP和GA-BP模型的回归图。
【风电功率预测】基于matlab遗传算法优化BP神经网络GA-BP风电功率预测【含Matlab源码 760期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
04-12 2290
遗传算法优化BP神经网络GA-BP风电功率预测 完整代码和数据，数据可直接替换，适合小白！可提供运行操作视频！
bp 神经网络 优点 不足_基于遗传算法优化的BP神经网络的回归分析——算法训练函数的选取...
weixin_39966644的博客
12-01 1095
算法训练函数的选取算法的性能与训练函数的选取有着显著的影响。为了分析并选取合适的参数以及BP神经网络的训练函数，本次实验选取Sphere函数对遗传算法优化的BP神经网络算法进行测试分析，以获得较合理的训练函数。其中实验环境同本章第2节。 （1）实验数据：本节利用 Sphere 函数随机抽取 5000 组值，其中前 4900 组值用于训练，后 100 组值用于预测，实验中函数取值范围及维数同上。（2...
【手写数字识别】基于matlab GUI BP神经网络手写数字识别【含Matlab源码 1118期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
07-15 2432
BP神经网络手写数字识别 完整代码，直接运行，适合小白！可提供运行操作视频！
【机器学习结合AI绘画工具】——开启艺术创作的新纪元
小李很执着的博客
05-26 3200
一些知名的AI绘画工具网站：DeepArt，DeepArt，RunwayML。
机器学习-10-可解释性机器学习库Shapash
qq_20466211的博客
05-29 137
机器学习黑盒模型的可解释性
吴恩达2022机器学习专项课程C2W2：实验多类分类
最新发布
AIGC_xuexishe的博客
05-31 1017
再次强调，背景颜色的强度表示最高值。左图中，橙色点和紫色点（类别 2 和 3）位于右侧阴影深的区域，表示这些区域里的样本x0x1激活值较高，模型预测这些样本属于类别 2 和 3 的概率较高。右图中，紫色点和绿色点（类别 3 和 1）位于下侧阴影深的区域，表示这些区域里的样本x0和x1和激活值较高，模型预测这些样本属于类别3和1的概率较高。总结一下：第一层的两个神经元，通过不同的参数，绘制出不同的决策边界，然后通过ReLU，预测出了不同的分类。输出具体的类别，前10个数据集的真实标签y，以及训练样本的形状。
AI视频下载：ChatGPT数据科学与机器学习课程
AIGCTribe的博客
05-30 518
通过在优化代码示例语料库上训练ChatGPT,程序员可以创建一种语言模型,能够自动建议现有代码的改进措施,从而减少代码复杂性、提高性能并增加可维护性。通过在包含错误及其解决方案的代码示例语料库上训练ChatGPT,程序员可以创建一种语言模型,能够自动建议解决常见编码错误的方案。通过在代码注释和文档语料库上训练ChatGPT,程序员可以创建一种语言模型,能够自动生成代码片段或整个代码库的文档。所以这是一门完整的课程,将教你数据科学和机器学习,以及如何利用ChatGPT的强大功能进行更快速高效的项目开发。
【机器学习】Python中的决策树算法探索
鑫宝的博客
05-27 2365
决策树是一种树形结构，其中每个内部节点表示一个特征上的测试，每个分支代表一个测试结果，而每个叶节点则代表一种类别或输出值。通过一系列的特征判断，决策树从根到某个叶节点的路径就对应了一个实例的分类或回归预测。Scikit-Learn是Python中最广泛使用的机器学习库之一，提供了简单易用的API来实现决策树算法。主要类包括用于分类任务，用于回归任务。决策树算法以其直观、灵活的特点，在众多领域展现出强大的应用潜力。通过Python及其丰富的机器学习库，我们可以轻松实现并优化决策树模型，解决实际问题。
super treeview 1.24
07-25
它是基于TreeView控件的扩展，提供了更多的功能和样式选择。 Super TreeView 1.24具有以下主要特点： 1. 多级树状结构：Super TreeView 1.24支持多级的树状结构，可以轻松创建具有父子关系的节点。这使得它成为...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值