人工智能课内实验报告(四)班级：姓名：学号：实验题目：神经网络分类器实验目得通过编写神经网络分类器，掌握神经网络得分类方法；掌握 BP 算法及其具体应用。实验内容本次实验就是对在与不在正弦函数曲线上得两类点进行分类。所使用得算法就是神经网络中得 BP 算法。实验原理及算法描述线性分类器不能解决非线性问题，因此必须使用非线性分类器解决非线性问题。非线性分类常采纳神经网络算法，本次实验中使用得就是 BP 算法。BP (Back Propagation)神经网络就是一种神经网络学习算法。其由输入层、隐层、输出层组成得阶层型神经网络，隐层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有老师示教得方式进行学习，当一对学习模式提供给网络后，各神经元获得网络得输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差得方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络得全局误差趋向给定得微小值，即完成学习得过程。算法描述：输入层:单元 i 得输入：；单元数量：d；单元 i 得输出：； 单元 i 得激活函数：线性函数;隐层：单元 j 得输入：netj；单元数量：nH； 单元 j 得输出：； 单元 j 得激活函数：非线性函数；输出层：单元 k 得输入： ；单元数量：c ；单元 k 得输出：单元 k 得激活函数：非线性函数两层神经网络图如下：分析：（1）给定隐层单元及输出层单元得激活函数，一个神经网络就可以实现一个对输入特征向量 x 得非线性映射。因此，神经网络本质上就是一个非线性函数。（2）给定隐层单元及输出层单元得激活函数，该非线性函数所对应得映射关系完全由权系数决定。不同得权系数对应不同得非线性映射。（3）神经网络学习得目得，就就是根据已知得训练样本，确定神经网络得权系数。这一过程称为训练过程。在训练过程结束后，对于新样本 x，根据神经网络得输出进行判决。（4）对于 C 类分类问题，神经网络得输出为。神经网络得判决规则为：假如，则判 x 属于 wk。（5）令，可以瞧出神经网络实际上实现了 C 个非线性得鉴别函数，并根据鉴别函数得取值进行分类。（6）神经网络得训练目标：调整权系数 w，即所有得 wkj 及 wij，使得对于训练集中得每一个训练样本(x,t)，网络得输出尽可能满足：（7）优化准则：对于样本集 D，使下述误差函数取得最小值：权系数得调整： BP 算法描述：对于给定得样本集 ...
