資源描述：
《人工神經(jīng)網(wǎng)絡理論、設計及應用 第4章 自組織神經(jīng)網(wǎng)絡2》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、4.4對偶傳播神經(jīng)網(wǎng)絡1987年，美國學者RobertHecht-Nielsen提出對偶傳播神經(jīng)網(wǎng)絡模型(Counter-PropagationNetwork，縮寫為CPN)對偶傳播網(wǎng)絡4.4.1網(wǎng)絡結構與運行原理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)對偶傳播神經(jīng)網(wǎng)絡網(wǎng)絡各層的數(shù)學描述如下：對偶傳播神經(jīng)網(wǎng)絡CPN網(wǎng)運行過程4.4.2CPN的學習算法第一階段用競爭學習算法對輸入層至隱
2、層的內星權向量進行訓練，步驟如下：(1)將所有內星權隨機地賦以0～1之間的初始值，并歸一化為單位長度，訓練集內的所有輸入模式也要進行歸一化。(2)輸入一個模式Xp，計算凈輸入netj=，j=1,2,…,m。(3)確定競爭獲勝神經(jīng)元。(4)CPN網(wǎng)絡的競爭算法不設優(yōu)勝鄰域，因此只調整獲勝神經(jīng)元的內星權向量，調整規(guī)則為(5)重復步驟(2)至步驟(4)直到下降至0。需要注意的是，權向量經(jīng)過調整后必須重新作歸一化處理。對偶傳播神經(jīng)網(wǎng)絡4.4.2CPN的學習算法第二階段采用外星學習算法對隱層至輸出層的外星權向量進行訓練，步驟如下：(1)輸入一個模式對Xp,dp，計算凈輸入netj=，
3、j=1,2,…,m，(2)確定競爭獲勝神經(jīng)元，使(4.17)(3)調整隱層到輸出層的外星權向量，調整規(guī)則為(4.18)ok由下式計算(4.19)(4.20)對偶傳播神經(jīng)網(wǎng)絡4.4.2CPN的學習算法(4.18)(4.20)外星權向量調整規(guī)則:(4.21)(4)重復步驟(1)至步驟(3)直到下降至0。對偶傳播神經(jīng)網(wǎng)絡4.4.3對偶傳播神經(jīng)網(wǎng)絡4.4.3.1雙獲勝節(jié)點CPN網(wǎng)4.4.3.2雙向CPN網(wǎng)Y=f(X)X’=f(Y’)當向網(wǎng)絡輸入(X,0)時，網(wǎng)絡輸出為(Y,0)；當向網(wǎng)絡輸入(0,Y’‘)時，網(wǎng)絡輸出為(0,X’)，當向網(wǎng)絡輸入(X,Y’)時，網(wǎng)絡輸出為(Y,X’)
4、。4.4.4CPN網(wǎng)絡的應用
