软件体系结构智能模型算法模型认识

《软件体系结构智能模型算法模型认识》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京信息工程大学实验(实习)报告实验名称智能模型算法模型认识实验(实习)日期6.14得分指导教师系计算机专业计算机年级2011班次3姓名_学号一、实验目的1.了解智能模型算法的原理2.掌握智能模型算法的特点3.掌握使川智能模型算法的模型二、实验内容及步骤人工智能算法简介人工神经网络(ArtificialNeuralNetworks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(ConnectionistModel)：它是一种模拟动物神经网络行力特征，进行分布式并行信息处理的算法数学模型。这种网络反映Y生物神经元的某些基本特征，是对生物神经细胞见得兴奋

2、传导过程做一种抽象简化和模仿。而正是由于人工神经网络的这种仿生物设计，使得它具有了三大功能：＞自学习功能＞联想存储功能＞高速寻找优化解的能力这几点正是人类大脑的基本功能，可见人类的智慧，思维等都是建立在神经网络这样的结构基础上的。所以将人工神经网络算法作为机器学习算法，对人工智能和模式识别等领域都有着重要意义。人工神经元人工神经元是对生物神经元的抽象和模拟。下图是典型的人工神经元示意图：图1人工神经元抽象模型其屮七，x2，…，X,,表示他的n个输入；％,vv2，…，w,;，代表与他相连的n个突触的连接强度，其值成为权值；称为激活值，表示这个人工神经元的输入加权总

3、和，对应于生物细胞的膜电位；O代表这个人工祌经元的输出；仏表示这个人工神经元的阈值。超过沒则人工祌经元被激活。其输出可描述为:o=f(Xw，X~^其屮IV=(vv,,VV2,---,H；/力权矢量，X=(x,,x2,---,xw)z为输入矢量。/为阈值函数，可选阶跃函数，sgn函数，sigmoid函数等。分类：人工神经网络根据神经元之间的拓扑结构上的不同可分力两类:＞分层网络＞相互连接型网络其中分层网络可以细分为三种互联形式：＞简单的前向网络＞具有反馈的前向网络＞层I々有相互连接的前向网络BP人工神经网络算法：BP神经网络是一种具奋三层或三层以上的多层神经网络，

4、每层都奋若干个神经元组成，前一级的神经元和每•一个后一级的神经元依次连接，其神经元和网络结构示意图如下：图2BP网络神经元误差反传（学3算法）x◄十⑴ij"60jkM（IL输入层隐含层输出层►信息流图3BP网络示意图BP神经网络按有导师的学习方式进行训练，当一学习模式提供给网络后，神经元的激活值输入层经各屮间层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响应。然后按减少0标输出与实际输出误差的原则，从输出层经各屮间层，最后回到输入层依次修改连接权，随着连接权的不断修正，输出结果的正确率也不断提高。因此BP神经网络算法称力“误差逆传播算法”。设计BP

5、网络所要考虑的因素：＞网络的层数：增加层数能提高精度，但同时会将网络复杂化大大加大迭代时间，所以一般通过增加毎层含有的神经元数来提高精度，在精度要求的范围14要尽量减少层数＞隐含层的神经元：一般选収输入层节点数的两倍加上一点裕量作为隐含层神经元的数量。＞初始权值的选収：初始权值太大太小都影响学习速度，-•般収（-1，1）之间的随机数也可収（-2.4/n，2.4/n）之间的随机数。＞学习速率：学习速率决定每一次循环训练屮所产生的权值变化量。太大，系统不稳定，太小，系统收敛慢。通常选0.1〜0.8。＞期望误差的选収：与隐含层的神经元数量相关联。三、体会和总结通过这次

6、实验，我了解了只能模型算法的概念，对于BP神经网络算法有了一定的了解。