升级版BP神经网络算法在电力企业财务风险预测中的模型与应用[外文翻译].doc
2022-05-26 09:10:38
762KB
本文实例为大家分享了Tensorflow实现卷积神经网络的具体代码，供大家参考，具体内容如下
1.概述
定义：
卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。
卷积层（convolutional layer）：
对输入数据应用若干过滤器，一个输入参数被用来做很多类型的提取。
池化层（Pooling Layer）：
也叫子采样层，缩减数据的规模
2022-05-25 11:18:45
77KB
1
一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar
一种改进的BP神经网络算法及其应用
一种改进的BP神经网络算法及其应用
褚辉,赖惠成
摘要:BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节
点数选择困难。针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算
法着手,通过误差的变化趋势,动态调整权值以提高网络的收敛速率;通过数学推导,从理论上验证了该算法的有效性。用
MATLAB软件对文中的改进算法进行仿真,并且与其它方法进行比较,结果表明,改进后的算法在收敛速率和抑制噪声等方
面有很好的效果,从实验上验证了该算法的有效性。
关键词:神经网络;反向传播算法;模式识别
2022-04-07 20:20:55
72KB
1
bp神经网络改进算法
一.使用说明
该程序有五个主要菜单项:
A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等)
B.新建数据 (建立新的数据文件)
C.学习
D.测试
E.误差显示
操作过程:
1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT)
2.新建数据文件: B -> A -> C -> D,E;
举例:求XOR问题数据文件的建立(菜单[B]的使用)
对话框(1)
输入层单元个数:2 (TAB键切换)
隐层单元个数:2
输出层单元个数:1
学习率:0.5
模式个数:4 ("输入"键)
对话框(2 -1)
第1个模式的输入值: (TAB键切换)
注意:0 (空格) 0
第1个模式的目标值:
0 ("输入"键)
对话框(2 - 2)
第2个模式的输入值: (TAB键切换)
0 (空格) 1
第2个模式的目标值:
1 ("输入"键)
对话框(2 - 3)
第3个模式的输入值: (TAB键切换)
1 (空格) 0
第3个模式的目标值:
1 ("输入"键)
对话框(2 - 4)
第4个模式的输入值: (TAB键切换)
1 (空格) 1
第4个模式的目标值:
0 ("输入"键)
二.程序说明
程序实现的是二层BP网络,通过从文件中读入数据来构建网络,同时读入对应的样本进行学习,测试.
ε=0.09 变量为max_error_tollerance;
forward_pass()向前计算输出值;
backward_pass()向后调整权值;
2022-04-07 13:32:36
49KB
1