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,