第四章cpn人工神经网络.ppt

第四章cpn人工神经网络.ppt

《第四章cpn人工神经网络.ppt》由会员分享，可在线阅读，更多相关《第四章cpn人工神经网络.ppt（10页珍藏版）》请在冰豆网上搜索。

4.4对偶传播神经网络,1987年，美国学者RobertHecht-Nielsen提出对偶传播神经网络模型（Counter-PropagationNetwork，缩写为CPN）,对偶传播网络,4.4.1网络结构与运行原理,X（x1,x2,xn）TY（y1,y2,ym）T，yi0,1，i=1,2,mO（o1,o2,ol）Td（d1,d2,dl）TV=（V1,V2,Vj,Vm）W=（W1,W2,Wk,Wl）,对偶传播神经网络,网络各层的数学描述如下：

对偶传播神经网络,CPN网运行过程,4.4.2CPN的学习算法,第一阶段用竞争学习算法对输入层至隐层的内星权向量进行训练，步骤如下：

（1）将所有内星权随机地赋以01之间的初始值，并归一化为单位长度，训练集内的所有输入模式也要进行归一化。

（2）输入一个模式Xp，计算净输入netj=，j=1,2,m。

（3）确定竞争获胜神经元。

（4）CPN网络的竞争算法不设优胜邻域，因此只调整获胜神经元的内星权向量，调整规则为（5）重复步骤

（2）至步骤（4）直到下降至0。

需要注意的是，权向量经过调整后必须重新作归一化处理。

对偶传播神经网络,4.4.2CPN的学习算法,第二阶段采用外星学习算法对隐层至输出层的外星权向量进行训练，步骤如下：

（1）输入一个模式对Xp,dp，计算净输入netj=，j=1,2,m，

（2）确定竞争获胜神经元，使（4.17）（3）调整隐层到输出层的外星权向量，调整规则为（4.18）ok由下式计算,（4.19）,（4.20）,对偶传播神经网络,4.4.2CPN的学习算法,（4.18）,（4.20）,外星权向量调整规则:

（4.21）,（4）重复步骤

（1）至步骤（3）直到下降至0。

对偶传播神经网络,4.4.3对偶传播神经网络4.4.3.1双获胜节点CPN网,4.4.3.2双向CPN网,Y=f（X）X=f（Y）,当向网络输入（X,0）时，网络输出为（Y,0）；当向网络输入（0,Y）时，网络输出为（0,X），当向网络输入（X,Y）时，网络输出为（Y,X）。

4.4.4CPN网络的应用,