人工神经网络峰值识别理论及其在洪水预报中的(2)
2017-08-23 02:41
导读：式中：d(l)i(t)为训练样本的期望输出.那么，网络权重的修改公式为 式中：η(k)为训练次数为k时的学习率；α为动量项系数.以上为经典bp算法的基本内容.基
式中：d(l)i(t)为训练样本的期望输出.那么，网络权重的修改公式为
式中：η(k)为训练次数为k时的学习率；α为动量项系数.以上为经典bp算法的基本内容.基于峰值识别的思想，实现网络误差修正倾向于输出样本的较大值，定义误差修正系数ξξi=di(l)(t)/d(l)max(t) （7）式中：d(l)max(t)为训练样本期望输出的最大值.为了进一步提高神经网络模型的训练速度，改善网络峰值识别的精度，可以在上述修正系数的基础上，增设误差修正放大系数μ.那么，加入误差修正系数ξ及误差修正放大系数μ后，当训练次数为k时，网络输出层误差信号的向量表达式如下
应用该算法进行网络训练，能够使峰值误差修正占优，从而提高网络对峰值的映射精度.共2页: 1 [2] 下一页 论文出处(作者):
紧紧围绕提高农业综合生产能力 努力推进新时期的农村水利
振冲法抗液化基础处理在辽河干流防洪工程中的应用
