3. M-P神经元模型中,神经元接收来自其他神经元传递过来的输入信号,这些输入信号通过____带权重的连接__________进行传递,神经元接收到的总输入值与_________神经元的阈值______进行比较,然后通过_______激活函数________处理以产生神经元的输出。
4.误差逆传播算法(BP算法)基于_____梯度下降______________策略,以目标的负梯度方向对参数进行调整。
5.假定一个单隐层的前馈神经网络,拥有m个输入神经元,n个输出神经元、q个隐层神经元,那么该神经网络中需要确定的连接权重参数有多少个?
答:共有(mq+nq+n+q)个
6.常用来缓解BP网络的过拟合的策略有什么?
答:早停:将数据集分成训练集和验证集,训练集用来计算梯度、更新连接权和阈值,验证集用来估计误差,若训练集误差降低但验证集误差升高,则停止训练,同时返回具有最小验证集误差的连接权和阈值。
提高正则化参数:在误差目标函数中增加一个用于描述网络复杂度的部分。
7. 请简述感知机模型,感知机的学习策略与学习算法。
答:感知机是二分类的线性分类模型,输入为实例的特征向量,输出为实例的类别(取+1和-1)。感知机对应于输入空间中将实例划分为两类的分离超平面。感知机旨在求出该超平面,为求得超平面导入了基于误分类的损失函数,利用梯度下降法对损失函数进行最优化。
感知机的模型是 它的任务是解决二分类问题,要得到感知机模型我们就需要学习到参数w,b。
感知机学习策略:感知机的目标是找到能将正类负类完全正确分开的分离超平面,为了找到这个超平面,即确定感知机模型参数w,b,就需要确定一个学习策略,即定义(经验)损失函数并将损失函数极小化。
感知机的损失函数:所有误分类点到超平面的距离之和。
,其中M为误分类点的集合。这个损失函数就是感知机学习的经验风险函数,是参数w和b的连续可导函数。
8. 误差逆传播(error BackPropagation,简称BP)算法是神经网络学习算法,简述使用BP算法训练多层前馈神经网络的工作过程。
答:在(0.1)范围内随机初始化网格中所有连接权和阈值,到输出层产生结果,
计算输出层神经元误差,传到隐藏层,
计算隐藏层神经元误差,然后更新连接权和阈值,
重复此过程直至达到停止条件,输出连接权和阈值确定的多层前馈神经网络。
9.简述标准BP算法与累积BP算法的区别。
答:累积 BP 算法与标准 BP 算法都很常用.一般来说,标准 BP 算法每次更新只针对单个样例,参数更新得非常频繁,而且对不同样例进行更新的效果可能出现"抵消"现象.因此,为了达到同样的累积误差极小点 标准 BP 算法往往需进行更多次数的法代.累积 BP 算法直接针对累积误差最小化,它在对整个训练集的误差累积一遍后才对参数进行更新,其参数更新的频率低得多.但在很多任务中,累积误差下降到一定程度之后,进一步下降会非常缓慢,这时标准 BP 往往会更快获得较好的解,尤其是在训练非常大时更明显.
10.课后习题5.4
学习率太高会导致误差函数来回震荡,无法收敛;而学习率太低则会收敛太慢,影响训练效率。