人工神经网络理论 设计及应用第二版课件 教学课件 作者 韩力群 编著第四章cpn.ppt

《人工神经网络理论 设计及应用第二版课件 教学课件 作者 韩力群 编著第四章cpn.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、4.4对偶传播神经网络1987年，美国学者RobertHecht-Nielsen提出对偶传播神经网络模型(Counter-PropagationNetwork，缩写为CPN)对偶传播网络4.4.1网络结构与运行原理X＝(x1,x2,…,xn)TY＝(y1,y2,…,ym)T，yi∈{0,1}，i=1,2,…,mO＝(o1,o2,…,ol)Td＝(d1,d2,…,dl)TV=(V1,V2,…,Vj,…,Vm)W=(W1,W2,…,Wk,…,Wl)对偶传播神经网络网络各层的数学描述如下：对偶传播神经网络CPN

2、网运行过程4.4.2CPN的学习算法第一阶段用竞争学习算法对输入层至隐层的内星权向量进行训练，步骤如下：(1)将所有内星权随机地赋以0～1之间的初始值，并归一化为单位长度，训练集内的所有输入模式也要进行归一化。(2)输入一个模式Xp，计算净输入netj=，j=1,2,…,m。(3)确定竞争获胜神经元。(4)CPN网络的竞争算法不设优胜邻域，因此只调整获胜神经元的内星权向量，调整规则为(5)重复步骤(2)至步骤(4)直到下降至0。需要注意的是，权向量经过调整后必须重新作归一化处理。对偶传播神经网络4.4.2

3、CPN的学习算法第二阶段采用外星学习算法对隐层至输出层的外星权向量进行训练，步骤如下：(1)输入一个模式对Xp,dp，计算净输入netj=，j=1,2,…,m，(2)确定竞争获胜神经元，使(4.17)(3)调整隐层到输出层的外星权向量，调整规则为(4.18)ok由下式计算(4.19)(4.20)对偶传播神经网络4.4.2CPN的学习算法(4.18)(4.20)外星权向量调整规则:(4.21)(4)重复步骤(1)至步骤(3)直到下降至0。对偶传播神经网络4.4.3对偶传播神经网络4.4.3.1双获胜节点CP

4、N网4.4.3.2双向CPN网Y=f(X)X’=f(Y’)当向网络输入(X,0)时，网络输出为(Y,0)；当向网络输入(0,Y’‘)时，网络输出为(0,X’)，当向网络输入(X,Y’)时，网络输出为(Y,X’)。4.4.4CPN网络的应用