24小时热门版块排行榜

返回列表

本帖产生 1 个博学EPI ，点击这里进行查看

当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

hblgczy

至尊木虫 (文坛精英)

博学EPI: 667
应助: 81 (初中生)
金币: 26568.8
散金: 168
红花: 37
沙发: 38
帖子: 11561
在线: 1273.9小时
虫号: 348922
注册: 2007-04-19
性别: GG
专业: 电化学

【答案】应助回帖

duwenting_(金币+20, 博学EPI+1): ★有帮助 2012-02-05 08:55:50
duwenting_(金币+46): 2012-02-12 14:33:57

多看看文献吧神经网络可以用作分类、聚类、预测等。神经网络需要有一定量的历史数据，通过历史数据的训练，网络可以学习到数据中隐含的知识。在你的问题中，首先要找到某些问题的一些特征，以及对应的评价数据，用这些数据来训练神经网络。　　虽然BP网络得到了广泛的应用，但自身也存在一些缺陷和不足，主要包括以下几个方面的问题。　　首先，由于学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能非常长，这主要是由于学习速率太小造成的，可采用变化的学习速率或自适应的学习速率加以改进。　　其次，BP算法可以使权值收敛到某个值，但并不保证其为误差平面的全局最小值，这是因为采用梯度下降法可能产生一个局部最小值。对于这个问题，可以采用附加动量法来解决。　　再次，网络隐含层的层数和单元数的选择尚无理论上的指导，一般是根据经验或者通过反复实验确定。因此，网络往往存在很大的冗余性，在一定程度上也增加了网络学习的负担。　　最后，网络的学习和记忆具有不稳定性。也就是说，如果增加了学习样本，训练好的网络就需要从头开始训练，对于以前的权值和阈值是没有记忆的。但是可以将预测、分类或聚类做的比较好的权值保存。