人工神经网络教程-人工神经网络评价法

人工神经网络评价法

人工神经元是人工神经网络的基本处理单元，人工智能的重要组成部分是人工神经网络。人工神经网络是模拟生物神经元系统的数学模型，主要通过神经元接收信息。首先，人工神经元利用连接强度扩大信号；然后，接收所有连接神经元输出的加权积累；**，将神经元与加权总和逐一比较。当比阈值较大时，激活人工神经元，将信号输送到与之连接的上层神经元，否则不会。量子神经网络原理。

人工神经网络的一个重要模型是反向传播模型(Back-PropagationModel)(以下简称BP模型)。对于n个输入节点，m输出节点的反向传输网络可以将输入输出之间的关系视为n维空间对m维空间的映射。由于网络中含有大量的非线性节点，因此可以具有高度的非线性节点。

(一)神经网络评价法的步骤神经网络原理。

利用神经网络评估复垦潜力的目的是对某一指标的输入产生预期的评估结果。在此过程中，需要不断调整网络的连接弧值。

(1)初始化所有连接弧的权值。为保证网络不饱和、不正常，一般设置为较小的随机数。

(2)在网络中输入一组训练数据，计算网络的输出值。

（3）计算期望值与输出值之间的偏差，然后从输出层逆向计算到**隐含层，调整每个弧的权重值，以减少偏差的方向发展。bp神经网络和人工神经网络。

(4)重复上述步骤，重复计算训练集中的每组训练数据，直到两者之间的偏差达到可识别的程度。什么能见你人工神经网络。

(二)建立人工神经网络模型

(1)确定输入层的数量。根据评估对象的实际情况，输入层的数量是所选的评估指标数。

(2)确定隐含层数。通常最理想的神经网络只有一个隐含层，输入的信号可以被隐含节点分离，然后组合成一个新的向量，可以简化复杂的事物，减少不必要的麻烦。

(3)确定隐含层节点数。根据经验公式:

破坏土地复垦的灾害

式中：j——隐含层的数量；

n——输入层的数量；人工神经网络实际应用。

m——输出层的数量。人工神经网络是什么。

人工神经网络模型结构如图5-2所示。人工神经网络及其应用。

图5-2人工神经网络结构图(根据周丽晖)人工神经网络实例。

(三)人工神经网络的计算

输入被评估对象的指标信息(X1，X2，X3，…，Xn)，计算实际输出值Yj。

破坏土地复垦的灾害

比较已知输出和计算输出，修改K层节点的权值和阈值。

破坏土地复垦的灾害人工神经网络主要应用。

式中：wij——K-层结点j的连接权值和阈值；

——系数(0＜＜1)；

Xi——结点i的输出。

输出结果：人工神经网络太。

https://study.uuu188.cn视频教程网uu学院

uu学院视频教程下载站 https://study.uuu188.cn

https://study.uuu188.cn uu学院

study.uuu188.cn vip免费下

Cj＝yj(1-yj)(dj-yj)(5-21)

式中：yj——结点j的实际输出值；

dj——结点j的预期输出值。由于无法比较隐含结点的输出，可以计算出：

破坏土地复垦的灾害人工神经网络概念。

式中：Xj——结点j的实际输出值。人工神经网络应用实例。

这是一个轮流更换的过程，每次迭代都会调整W值，以便在允许值范围内停止计算输出值和预期输出值之间的偏差。

利用人工神经网络法评价复垦潜力，实际上是建立土地复垦影响评价因素与复垦潜力的映射关系。只要选择的网络结构合适，利用人工神经网络函数的接近度，就可以无限接近上述映射关系，因此采用人工神经网络法评价破坏土地复垦潜力是合适的。什么是人工神经网络技术。

(4)人工神经网络方法的优缺点

与其它方法相比，人工神经网络方法具有以下优点：

（1）重复计算采用**训练原则，不断调试神经网络结构，直至结果相对稳定。因此，采用这种方法进行复垦潜力评价可以消除许多人为主观因素，确保复垦潜力评价结果的真实性和客观性。

(2)评价结果误差相对较小，通过反复迭代减少系统误差可以满足任何精度要求。

(3)动态性好，通过增加参考样本的数量，随着时间的推移，可以实现动态跟踪比较和更深入的学习。

（4）基于非线性函数，更接近复杂的非线性动态经济系统，更真实、更准确地反映土地复垦的潜力，比传统的评价方法更适用。

但人工神经网络也存在一些不足：人工神经网络种类。

（1）人工神经网络算法采用**化算法，通过迭代计算不断调整连接神经元的权重，直到达到全局**化。但误差表面相当复杂，在计算过程中意外使神经网络进入局部最小点。

（2）误差通过输出层反向传播。隐含层越多，接近输入层时反向传播偏差越不准确，一定程度上影响评价效率，容易出现收敛速度不及时，导致个别区域复垦潜力评价结果偏差。人工神经网络介绍。