BP网络常用传递函数

BP 网络常用传递函数：BP 网络的传递函数有多种。Log-sigmoid 型函数的输入值可取任意值，输出值在 0 和 1 之间;tan-sigmod 型传递函数 tansig 的输入值可取任意值，输出值在—1 到+1 之间；线性传递函数 purelin 的输入与输出值可取任意值。BP 网络通常有一个或多个隐层,该层中的神经元均采纳 sigmoid 型传递函数，输出层的神经元则采纳线性传递函数，整个网络的输出可以取任意值。各种传递函数如图 5.6 所示。只改变传递函数而其余参数均固定，用本章 5.2 节所述的样本集训练 BP 网络时发现，传递函数使用 tansig 函数时要比 logsig 函数的误差小.于是在以后的训练中隐层传递函数改用 tansig函数，输出层传递函数仍选用 purelin 函数。3） 每层节点数的确定：使用神经网络的目的是实现摄像机输出 RGB 颜色空间与 CIE—XYZ 色空间转换，因此 BP 网络的输入层和输出层的节点个数分别为 3。下面主要介绍隐层节点数量的确定。对于多层前馈网络来说,隐层节点数的确定是成败的关键。若数量太少，则网络所能猎取的用以解决问题的信息太少；若数量太多，不仅增加训练时间，更重要的是隐层节点过多还可能出现所谓“过渡吻合”(Overfitting)问题，即测试误差增大导致泛化能力下降，因此合理选择隐层节点数非常重要。关于隐层数及其节点数的选择比较复杂，一般原则是:在能正确反映输入输出关系的基础上，应选用较少的隐层节点数,以使网络结构尽量简单。本论文中采纳网络结构增长型方法，即先设置较少的节点数，对网络进行训练,并测试学习误差，然后逐渐增加节点数，直到学习误差不再有明显减少为止。newff() 功能 建立一个前向 BP 网络 格式 net = newff（PR，[S1 S2.。.SN1]，｛TF1 TF2。。。TFN1｝，BTF，BLF，PF) 说明 net 为创建的新 BP 神经网络； PR 为网络输入取向量取值范围的矩阵； ［S1 S2…SNl］表示网络隐含层和输出层神经元的个数； {TFl TF2…TFN1｝表示网络隐含层和输出层的传输函数,默认为‘tansig’； BTF 表示网络的训练函数，默认为‘trainlm’； BLF 表示网络的权值学习函数，默认为‘learngdm’; PF 表示性能数，默认为‘mse’。 参数 TFi 可以采纳任意的可微传递函数，比如 transig,logsig 和 purelin 等； 训练函数可以是任意的 BP 训练函数，如 trainm，trainbfg，trainrp 和 traingd 等。 BTF 默认采纳 trainlm 是因为函数的速度很快，但该函...