前馈神经网络和反馈神经网络模型.pdf

《前馈神经网络和反馈神经网络模型.pdf》由会员分享，可在线阅读，更多相关《前馈神经网络和反馈神经网络模型.pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、前馈神经网络前馈神经网络前馈神经网络的结构一般包含输入层、输出层、及隐含层，隐含层可以是一层或多层。各神经元只接收前一层的输出作为自己的输入，并且将其输出给下一层，整个网络中没有反馈.每一个神经元都可以有任意多个输入，但只允许有一个输出。图1选择只含一个隐含层的前馈神经网络。其原理框图如图1所示.ynyn1wijwjx(n)ynM 1输入层隐含层输出层图 1 三层前馈神经网络结构图图中,只有前向输出，各层神经元之间的连接用权值表示.设输入层有M个输入信号，其中任一输入信号用ii 1,2,M表示；隐含层有N个神经元，任一隐含层神经元用jj 1,2,N表示;输入层与隐含层间的连接权值为wijn，i

2、 1,2,M;j 1,2,N；隐含层与输出层的连接权值为wjn.假定隐含层神经xn.元的输入为ujn，输出为vjn；输出层神经元的输入为on,网络总输出为则此神经网络的状态方程可表示为：ujn wijnyn i 1i1MMvjn f ujn fwijnyn i 1i1on wjnvjnj1NNxn fon fwjnvjnj1式中，f表示隐含层、输出层的输入和输出之间的传递函数,也称为激励函数。定义代价函数为瞬时均方误差：2Jn e2ndnxndnNfwjnvjnj12式中,dn为训练信号。递归神经网络递归神经网络对角递归神经网络ynm1ynyn1wh01nw1dndw2nw1onow2nxnw

3、ojnynm输入层whmjnwdjn隐层输出层图 2对角递归神经网络的结构图 2 为典型的对角递归神经网络，它具有三层结构，分别为输入层，隐层和输出层，在隐层的权值叠加中,引入了输入的前一时刻的输出作为反馈控制信号。选用这种网络的优点是结构简单，易于实现，可以直观的体现反馈神经网络的结构模式和工作方式。h设输入层与隐层间的连接权值为wijni 0,1,m;j 1,2,k，隐层与输d出层之间的权值为wojn，递归层的权值为wjn。设输入层的输入为yn i，xn，隐层的输入为ujn，输出为Ijn，输出层的输入为vn，输出层的输出为则对角递归神经网络的状态方程为hnyn i wdjnIjn 1ujnwiji0mIjn f ujnvnwojnIjnj1kxn fvn定义代价函数为瞬时均方误差：2Jn e2ndnxn