⑥若Ｅ（ｘ（ｋ＋１））＜Ｅ（ （志）），則令ｋ—ｋ＋ｌ， 一 ／９，回到②；否則這次不更新權(quán)值和閾值，令ｘ（ｋ＋１）一?。ㄊ牵ⅰ∫弧?，并回到④?！?/p>
⑦停止。
２ 改進(jìn)的ＬＭＢＰ神經(jīng)網(wǎng)絡(luò)改進(jìn)的ＬＭＢＰ神經(jīng)網(wǎng)絡(luò)是針對(duì)上面ＬＭ算法提出的加快收斂速度的方法。將ＬＭ算法步驟⑥中的調(diào)整策略改變?yōu)椋海币弧。ǎ病。霝橹贿M(jìn)入此步小循環(huán)的次數(shù)。如果某一步產(chǎn)生了更小的Ｅ（?。ㄊ牵?，則 在下一步的調(diào)整策略改變?yōu)椤∫弧。ǎ病。?。 初值一般?。埃埃埃?，』９值?。幢容^合適 ?！?/p>
３ 神經(jīng)網(wǎng)絡(luò)配色模型的設(shè)計(jì)與實(shí)現(xiàn)
１９８９年，Ｒｏｂｅｒｔ?。龋澹悖瑁?mdash;Ｎｉｅｌｓｏｎ證明了當(dāng)各節(jié)點(diǎn)具有不同的閾值時(shí)，具有一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)可以用來逼近任意的連續(xù)函數(shù)。因此，取用一個(gè)隱層，即３層網(wǎng)絡(luò)，就能完成非線性映射。試驗(yàn)采用由輸入層、隱層和輸出層構(gòu)成的３層網(wǎng)絡(luò)結(jié)構(gòu)。輸入層和輸出層的結(jié)點(diǎn)個(gè)數(shù)可由涉及的問題領(lǐng)域直接得到。在配色系統(tǒng)中，輸入的是客戶提供布料的ＣＭＹ值，因此，輸入層采用３個(gè)神經(jīng)元節(jié)點(diǎn)。網(wǎng)絡(luò)輸出值是工廠３種染料的濃度以輸出層也為３個(gè)節(jié)點(diǎn)，分別是３種染料３ＢＳ，３ＲＳ，ＦＢＮ的濃度值。對(duì)于ＬＭＢＰ神經(jīng)網(wǎng)絡(luò)，確定其網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)鍵就在于確定隱層結(jié)點(diǎn)的個(gè)數(shù)。隱層神經(jīng)元數(shù)目的選擇是十分復(fù)雜的問題，需要根據(jù)設(shè)計(jì)者的經(jīng)驗(yàn)和多次試驗(yàn)來確定，因此，不存在一個(gè)理想的解析式來表達(dá)。隱層神經(jīng)元數(shù)與所研究問題的要求、輸入和輸出的神經(jīng)元數(shù)都有直接的關(guān)系。一定存在一個(gè)最佳的隱層神經(jīng)元數(shù)，而且這個(gè)數(shù)目因研究對(duì)象和內(nèi)容的不同而不同。由于應(yīng)用對(duì)象的不同，隱層神經(jīng)元數(shù)難以用統(tǒng)一的模式確定，所以將經(jīng)驗(yàn)法和試算法相結(jié)合來確定隱層神經(jīng)元個(gè)數(shù)更具有可靠性。經(jīng)驗(yàn)法最常用的公式為初定隱層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式ｓ＝＝＝Ｊ０．４３ｍｎ＋０．１２ｎ?。玻担矗恚埃罚罚睿埃常担埃担笔街校殡[層節(jié)點(diǎn)數(shù)；１＂／為輸出層節(jié)點(diǎn)數(shù)； 為輸入層節(jié)點(diǎn)數(shù)。計(jì)算值需經(jīng)四舍五人取整。試算法是先從一個(gè)網(wǎng)絡(luò)開始，若不符合要求則逐步增加或減少隱層節(jié)點(diǎn)數(shù)到合適為止。經(jīng)驗(yàn)法和試算 法相結(jié)合的具體步驟ｌ＿５ 如下：
①利用經(jīng)驗(yàn)法確定初始的隱層神經(jīng)元數(shù)?！?/p>
②進(jìn)行網(wǎng)絡(luò)訓(xùn)練和測(cè)試?！?/p>
③不斷增加或減少隱層神經(jīng)元數(shù)?！?/p>
④比較不同隱層神經(jīng)元數(shù)時(shí)的訓(xùn)練和測(cè)試結(jié)果，
選取合適的隱層神經(jīng)元數(shù)?！?/p>
本文采用經(jīng)驗(yàn)法和試算法相結(jié)合的方法來確定基于ＬＭＢＰ算法的神經(jīng)網(wǎng)絡(luò)模型的隱層神經(jīng)元的個(gè)數(shù)。設(shè)計(jì)完成的織物染色配色模型?！?/p>
<<上一頁[1][2]
相關(guān)信息 
推薦企業(yè) 推薦企業(yè)
推薦企業(yè)
源經(jīng)編.gif)
您所在的位置：
