版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u013539952/article/details/82623378
一 线性神经网络
与感知器的区别,感知器激活函数的输出只有两种可能(1,-1),线性神经网络的输出可取任意值,其激活函数是线性函数。线性神经网络采用LMS算法来调整网络的权值和偏置。
线性神经网络在结构上与感知器相似,但神经元激活函数不同。在模型训练时把sign函数改为purelin函数(y=x)。
二 LMS学习规则
LMS使神经元实际输出与期望输出之间的平方差最小
学习信号: y = x,没有sign
权向量调整量:
如果 ,则 。所以LMS学习规则其实是 δ 的特殊形式。
该学习规则与神经元采用的转移函数(即)无关,因此不需对转移函数求到,学习速率快,有较高的精度。权值可任意初始化。
三 Delta学习规则
δ学习规则是利用梯度下降法的一般性学习规则
代价函数(损失函数)
E是权向量 的函数
由图可知, 要让误差E最小,应与误差的负梯度(梯度即为导数)成正比,即与导数成反比。
η为正常数,误差梯度为:
则权值调整公式为:
梯度下降法的问题
- 学习率难选取,太大会产生振荡,太小收敛缓慢
- 容易陷入局部最优解