多层浅层神经网络与反向传播训练
浅层多层前馈神经网络既可用于函数拟合,也可用于模式识别问题。随着抽头延迟线的增加,它也可以用于预测问题,如中所讨论的设计时间序列时滞神经网络。介绍如何使用多层网络。它还说明了设计任何神经网络的基本程序。
请注意
本主题中描述的训练函数不限于多层网络。它们可以用来训练任意的架构(甚至是自定义网络),只要它们的组件是可微的。
一般神经网络设计过程的工作流程有七个主要步骤:
收集数据
创建网络
配置网络
初始化权重和偏差
培训网络
验证网络(训练后分析)
利用网络
第一步可能发生在深度学习工具箱软件的框架之外,但这一步对设计过程的成功至关重要。
以下部分将详细讨论此工作流:
以下部分将讨论可选的工作流步骤:
关于时间序列、动态建模和预测,请参见本节: