_人工神經(jīng)網(wǎng)絡(luò)習(xí)題解答

1、 第九章人工神經(jīng)網(wǎng)絡(luò)9.1答：（1）誤差糾正學(xué)習(xí);Awkj=r|ek（n）xj（n）；伙（”）為輸入心）時，神經(jīng)元k在時刻的實際輸出，dP何表示應(yīng)有的輸出（可由訓(xùn)練樣本給出）；其中4為學(xué)習(xí)步長，這就是通常所說的誤差糾正學(xué)習(xí)規(guī)則（或稱delta學(xué)習(xí)規(guī)則）。（2）Hebb學(xué)習(xí)；Awkj（n）=F（yk（n）,xj（n）；當(dāng)某一突觸（連接）兩端的神經(jīng)元同步激活（同為激活或同為抑制）時，該連接的強度應(yīng)為增強，反之應(yīng)減弱；由于“刈與必（町，荻“）的相關(guān)成比例，有時稱為相關(guān)學(xué)習(xí)規(guī)則。（3）競爭（Competitive）學(xué)習(xí)；_冊-w.若神經(jīng)元丿競爭獲勝Av=0若神經(jīng)元丿競爭失敗：在競爭學(xué)習(xí)時，網(wǎng)絡(luò)各輸出單

2、元互相競爭，最后達到只有一個最強者阪活，最常見的一種情況是輸出神經(jīng)元之間有側(cè)向抑制性連接，這樣原來輸出單元中如有某一單元較強，則它將獲勝并抑制其它單元，最后只有此強者處于激活狀態(tài)。9.2答：略9.3答：E-P算法的學(xué)習(xí)過程如下：（1）選擇一組訓(xùn)練樣例，每一個樣例由輸入信息和期望的輸出結(jié)果兩部分組成。（2）從訓(xùn)練樣例集中取一樣例，把輸入信息輸入到網(wǎng)絡(luò)中。（3）分別計算經(jīng)神經(jīng)元處理后的各層節(jié)點的輸出。（4）計算網(wǎng)絡(luò)的實際輸出和期望輸出的誤差。（5）從輸出層反向計算到第一個隱層，并按照某種能使誤差向減小方向發(fā)展的原則，調(diào)整網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值。（6）對訓(xùn)練樣例集中的每一個樣例重復(fù)（3）（5）的步

3、驟，直到對整個訓(xùn)練樣例集的誤差達到要求時為止。文件頭：includeinclude幷include#iiiclude”UTLab.1T/BP神經(jīng)網(wǎng)絡(luò)輸入節(jié)點數(shù)中間層節(jié)點個數(shù)輸出節(jié)點數(shù)學(xué)習(xí)次數(shù)voidiiiitialization()floatbpnet(floattension,floatmtluckfloatouttluck.floatmeng,floattan,floatping,floattu)floatinlnl;floatout1112;floatout2n3;floatwl112nl;floatw2n3n2;floataln2;floata2n3;floattn3;floatdfl

4、n2;floatd2n3;floats2n3;floatslii2;floatwii2n3;floatzii2n3;floata=0.5;inti=0;mtj=0;intk=0:intn=0;inll=tension;inl2=intliick;inl3=outtliick;inl4=meng;inl5=taii;inl6=pmg;inl7=tu;lmtializationQ;fbr(n=1;n=m;k4H-)fbr(i=1;i=n2;i+)for(j=lj=nlj-H-)alj=alj+wli|j*mlj;outlj=sigmoid(aljj);foi(i=l;i=n3;i-H-)for(j

5、=lj=n2j-H-)a2j=a2j+w2iU文件尾：out2j=a2j;for(i=1;i=n3;i+)計算敏感度，更新權(quán)值df2i=l;s2i=-2*(ti-out2i);for(j=lj=n2j-H-)w21j=w21|j+a*outlj；foi(i=l;i=n3;i-H-)for(j=lj=n2j-H-)wji=w2i|j；foi(j=lj=ii2j+)dfl|j=(l-outlj)*outl|j;slj=O；fbr(i=1;i=n3;i+)zji=dfl|j*w|ji;slj=slj+zji*s2i;foi(j=lj=ii2j+)fbr(k=1;k=1；1.讀入N城rfi之間的距離婦

6、(工=1文件.2-計算神經(jīng)元之I可的權(quán)重幾5和輸入偏程T.yj=AryA8,DdTySj,fi(xej=l,2,)M”=2A3，的初始值在0附近隨機產(chǎn)生Cr,Ul,2,N).4.計算卩”(f)Gr,2,皿)V(z)=l/2(14-tanhUJ,(/)/w0)，這里臨=0.02nit利用神經(jīng)元動態(tài)方程計算加山)(=12宀訶人加丄)=廠1-1根據(jù)一階尤拉法計算+(工4=1皿,s(2+l)=Q十()(“，這里“取057.如果系統(tǒng)達到平衡狀態(tài),那么終止程序,否則返回第4步.用pascal寫的hopfield神經(jīng)網(wǎng)絡(luò)解決TSP問題的代碼：initializedistniax_city?max_city:

7、=0.0;FORcl:=ATOmax_cityDOFORi:=1TOniax_positionDOucl,i:=uOO+(2*random-1.0)/10.0)*uO);clrscr;writeln(TSPc1987KnowledgeGardenIncJ;writelnf473AMaldenBridgeRd);writeln(rNassau,NY12123);writehi;writeln(Presstobegin-Pressagaintostopiteiatrng.);read(kbd,ch);END;(*initialize*)BEGINinitialize;iterate;END.9.7答：Kohonen網(wǎng)絡(luò)自組織映射算法的實現(xiàn)過程如下：定義一個輸入向量