工学人工神经网络的模型及算法学习教案

1、会计学1工学人工神经网络的模型工学人工神经网络的模型(mxng)及算法及算法第一页，共39页。nxnmmmynxn212y1y2x1xm2m12n1n图4.2.1 单层感知器网络(wnglu) 图单层单个神经元的感知器 第1页/共38页第二页，共39页。) 1 ()()(1ufxfyniii)2(1niiixu)3(0 , 10 , 1)(uuuf第2页/共38页第三页，共39页。01niiixBASS 、iBASxSxy, 1, 1第3页/共38页第四页，共39页。0Tn),.,(10)(0niiixfy10 x)0(i)(kini 1)(0kkki,.,10nxxxx dyBAdSxSxy

2、, 1, 1第4页/共38页第五页，共39页。 0)( , 10)( , 1)()(0i0i0niiniiniiixkxkxkfky),01(0 xidiixkykykk)()()() 1(ni,.,1 , 010第5页/共38页第六页，共39页。第6页/共38页第七页，共39页。第7页/共38页第八页，共39页。1aps1si1nj1p1tqqL1Lijjtpb1bqCtC1CjbjstL图图4.2.3 BP网络结构网络结构输出(shch)层隐含(yn hn)层输入(shr)层iana第8页/共38页第九页，共39页。称中间层）和输出层。各层之称中间层）和输出层。各层之间实行全连接，如图所示

3、。间实行全连接，如图所示。第9页/共38页第十页，共39页。;,.,2 , 1 ),.,(21mkaaaAknkkk第10页/共38页第十一页，共39页。qyyyYkqkkk ),.,(21jnikiijkjas1pj,.,2 , 1ijjp第11页/共38页第十二页，共39页。nijkiijkjaskjkjeesfb11111)(pj,.,2 , 1jb第12页/共38页第十三页，共39页。图图4.2.3 BP网络结构网络结构第13页/共38页第十四页，共39页。tpjkjjtktbL1)(ktktLfCqt,.,2 , 1jttf第14页/共38页第十五页，共39页。)()(tktktkL

4、fCydtmkqt,.,2 , 1 ;,.,2 , 1)(1jqtktjtksfdejm1,2,.,k ;,.,2 , 1pj第15页/共38页第十六页，共39页。)(1)()(xfxfxf 第16页/共38页第十七页，共39页。kjktjtbd kttdqtpj,.,2 , 1 ;,.,2 , 110 ;,.,2 , 1mk第17页/共38页第十八页，共39页。kikjijae kjje10 ;,.,2 , 1mkpjni,.,2 , 1 ;,.,2 , 1（学习（学习(xux)系数）系数）第18页/共38页第十九页，共39页。第19页/共38页第二十页，共39页。qmCyEmkqjkjkj

5、112)(第20页/共38页第二十一页，共39页。2/)(21kjqjkjKCyEmkkEE1kEEqm第21页/共38页第二十二页，共39页。ij jt j t ),.,(21kkkknaaaA ),.,(21kkkkqyyyY jniiijjas 1)(jjsfb pj,.,2 , 1 第22页/共38页第二十三页，共39页。tpjjjttbL1)(ttLfC qt,.,2 , 1qCCCydtttktkt1,2,., t),1 ()()1 (1jjqtktjtkbbdejpj,.,2 , 1第23页/共38页第二十四页，共39页。kjktjtjtbdNN)() 1(ktttdNN)()

6、1(qtpj,.,2 , 1 ;,.,2 , 11)0 ( kikjijijaeNN)() 1(kjjjeNN)() 1(pjni,.,2 , 1 ;,.,2 , 11)0 (第24页/共38页第二十五页，共39页。第25页/共38页第二十六页，共39页。第26页/共38页第二十七页，共39页。)()(ktktktkLfCydt mkqt,.,2 , 1 ;,.,2 , 1中间层各单元的校正中间层各单元的校正(jiozhng)误差：误差：)(1jqtktjtksfdejm1,2,.,k ;,.,2 , 1pjkjktjtbd kttdqtpj,.,2 , 1 ;,.,2 , 1调整输出调整输出

7、(shch)层至中间层之间的连接权，以及输出层至中间层之间的连接权，以及输出(shch)层各单元的阈值：层各单元的阈值：调整输出层至中间层之间的连接权，以及输出层各单元的阈值：调整输出层至中间层之间的连接权，以及输出层各单元的阈值：kikjijae kjje10 ;,.,2 , 1mkpjni,.,2 , 1 ;,.,2 , 1第27页/共38页第二十八页，共39页。2/)(21ktqtktKCyE )()()()(ktktktktkjktkjktktktjtktktktktkjtkjtLfCydbdbLfCyLLCCEE 其中其中 第28页/共38页第二十九页，共39页。 )()()()()

8、()()(11111kjqtjtktkjkikjkikjqtjtktkikjqtjtktktktkikjqtjtktktktkkikjqtkjktktkijkjkjkjkjkijkijsfdeaeasfdasfLfCyasfLCCEasfbLLEssbbEE 其其中中第29页/共38页第三十页，共39页。第30页/共38页第三十一页，共39页。第31页/共38页第三十二页，共39页。10)1()( NdN第32页/共38页第三十三页，共39页。第33页/共38页第三十四页，共39页。第34页/共38页第三十五页，共39页。一部分用于训练，另一部分用于测试。随机选取的目的是尽量减少这两部分样本的相关性。第35页/共38页第三十六页，共39页。第36页/共38页第三十七页，共39页。第37页/共38页第三十八页，共39页。NoImage内容(nirng)总结会计学。它是应用最广、其基本思想直观、最容易(rngy)理解的多层前向神经网络。“模