神經網路傳遞函式想要自定義應該怎麼寫

1樓：匿名使用者

functions 定義函式，然後直接呼叫就行

例如：functions [輸出變數]=hs(輸入變數) 其中，hs為函式名，可以自己定義

在搭建神經網路的時候，如何選擇合適的轉移函式（

2樓：匿名使用者

一般來說，神經網bai絡的激勵函式有du以下幾種：zhi階躍函式，準線性函式，dao雙曲正切函

專數，sigmoid函式等等，其屬中sigmoid函式就是你所說的s型函式。以我看來，在你訓練神經網路時，激勵函式是不輕易換的，通常設定為s型函式。如果你的神經網路訓練效果不好，應從你所選擇的演算法上和你的資料上找原因。

演算法上bp神經網路主要有自適應學習速率動量梯度下降反向傳播演算法(traingdx)，levenberg-marquardt反向傳播演算法(trainlm)等等，我列出的這兩種是最常用的，其中bp預設的是後一種。資料上，看看是不是有誤差資料，如果有及其剔除，否則也會影響**或識別的效果。

人工神經網路函式的傳遞函式怎樣確定的

3樓：匿名使用者

也是憑經驗選出來的，一般隱含層用tansig函式，輸出層用purelin函式，不過也有特殊情況，要是輸出不能為負就用非負的tansig函式

bp神經網路的傳遞函式選擇有什麼特定要求？我使用高斯函式作為其傳遞函式（啟用函式）可行麼

4樓：匿名使用者

既然是bp神經網路，當然激勵函式就已經基本確定，因為，bp神經網路的隱含層一般是logsig函式，而輸出層為線性函式。

bp神經網路的幾個簡單問題

5樓：

1.一般你可以自己嘗試下，我最近也在嘗試，隱層用tansig是比較理想的，輸出層要自專

己嘗試的，如屬用purlin是輸出任意值，logsig很多書也是推崇的，將輸出值限定在【0，1】中，我一般都用tansig.

2.trainlm是一種訓練方法，使用的話收斂很快很快，相比的話traingd收斂很慢很慢。優勢traingd要訓練1000epochs,而trainlm只要訓練5epochs就夠了

神經網路的啟用函式和傳遞函式有什麼區別？ 5

6樓：匿名使用者

理論上講任何一個連續的非多項式、常數函式都可以做為bp的啟用函式

而且這都是已經在數學上證明過的問題。

那麼為什麼一般是要選作sigmoidal函式

我認為是sigmoid函式相對其他函式有它自身的優點

比如說光滑性，魯棒性，以及在求導的時候可以用它自身的某種形式來表示

這一點在做數值試驗的時候很重要，因為權值的反向傳播，要求啟用函式的導數

多層就有多個導數，如果用一般的連續函式，這對計算機的儲存和運算都是一個問題

此外還要考慮整個模型的收斂速度，我上面提到連續函式都可以做啟用函式

但是相應的sigmoidal型函式的收斂速度還是比較快的，（相同的結構前提下）

還有就是bp在做分類問題的時候，sigmoidal函式能比較好的執行這一條件

關於連續函式可以做啟用函式的證明，可以在ieee trans. on neural networks

和 neural networks以及neural computating 和neural computation上找到

這類問題在上個世紀90年代就已經基本解決

7樓：匿名使用者

啟用函式就是傳遞函式

神經網路傳遞函式選取不同會有特別大差別嘛？

8樓：積木易搭

線性與非線性函式，實際運用中差別還挺大的。