反向传播神经网络基本原理范例(3篇)

反向传播神经网络基本原理范文

关键词:网络传播文化转向选择性坼裂身体乌托邦精英意识大众立场

作者欧阳友权,中南大学文学院院长、教授、博士生导师、网络文学研究基地首席专家。(长沙:410083)

所谓文化转向,是指文化发展方向出现了异于既有文化逻辑的预设道路,别开生面地创生一种新的文化理念和文化形态。从网络传播的角度看,文化转向是网络传媒形成的对于文化发展内容及其方向的影响,这种影响将深刻地改变既有的文化格局,重绘这个时代新的文化地图。

选择性坼裂:从现代走向后现代

虽然我们不能简单地说,诞生于后现代文化空间中的网络传播就必然具备后现代文化气质,进而天然传播后现代文化精神,但网络传播之所以成为促进现代文化转向后现代文化的主要动力,的确与网络传播自身拥有的特征密切相关。

与传统传播方式相比,网络传播第一个突出的特征是交互性,以此打破了传统传播的单向性;第二是多元性,它可以让多种声音共享一个Internet平台;第三是价值中立性,即多元主体的交流与兼容,造就了多元观念的冲撞和相互承认局面;第四是自主性,传播主体的自由选择强化了主体的自控机制和自主决策能力;第五是个体性,网络空间的自由选择加剧了大众的分化,无数个体组成了网络“蛛网覆盖”的无穷节点。从网络传播的诸种特征看,这似乎是一个有利于自由和民主实现的理想空间,是一个人类长久企盼的文化乌托邦。然而,文化的发展道路从来没有这般平坦,文化的复杂性就在于它总是和它的对立面相伴相生,从而给人们提供更多的困惑而不是最终解决方案。从交互性中我们看到了即时快感满足带来的理性监督空缺;从多元性中我们看到了伦理价值及其判断的失准失依;从价值中立中我们看到了文化的虚无主义深渊;从自主性中我们看到了对一切合法权威的拒绝和摒弃;从个体性中我们看到的则可能是公共意识的消解……网络传播与其说在传播某种确切无疑的文化信念,不如说是在传播人类长久的文化疑惑,一个个潜隐在传统理论体系和冥想深处的质疑变成了公开张扬的文化现实问题。网络传播中存在的文化症候似乎正是后现代文化存在的基本特征。加拿大后现代主义学者琳达,哈琴就曾指出:“后现代主义是一个既使用又滥用、既设置又推翻、向埋藏于建筑学、文学、绘画、雕塑、电影、录像、舞蹈、电视、音乐、哲学、美学理论、精神分析、语言学或史学中的诸种纯粹观念发起挑战的矛盾现象。”伊格尔顿也曾针对后现代性问题写道:后现代性是一种思想风格,它质疑客观真理、理性、同一性和客观性这样的经典概念,质疑普遍进步或人类解放,不信任何单一的理论框架、大叙事或终极性解释。与这些启蒙时代的规范相左,后现代性认为世界充满偶然性、没有一个坚实的基础,是多样化、不稳定的;在它看来,这个世界没有一个预定的蓝图,而是由许许多多彼此不相连的文化系统和解释系统组成……

伊格尔顿的话正是网络传播中文化裂变表征的阐释,矛盾、困惑和相对主义精神似乎已是网络传播和后现代文化不可摆脱的文化标签,而其根由则是由现代文化产生和导致的。尽管关于现代文化失落和颓败的复杂原因人们总是众说纷纭,但基本上较为公认的说法是,两次世界大战,尤其是二战所引发的对于理性及其社会机制的彻底怀疑是导致现代文化被反思乃至最终遭到背弃的根本原因。因为战争的空前残忍与邪恶,战前、战后暴露的工业社会逻辑及其解决之道的匮乏无力,使人们不得不怀疑从来都被奉为至上的理性(人文和技术)是否拥有人们赋予它的那种神圣能力,理性及其文化制度乃至在理性文化体制中发展成熟的工业社会本身是否可以继续交给现性执掌?于是,理性的文化地基开始崩塌,并纷纷碎裂为思想的残片,漂浮在困惑弥漫的人类上空。但后现代文化并未像以往的文化一样,沿着理性的二元对立思维路径走到非理性的道路上去对理性展开拯救行动,因为后现代在摒弃理性的同时也摒弃了非理性道路:从文化历史的角度看,理性和非理性的对证两极常常会平衡人们对于理性或非理性的质疑,因此,理性的时代主流中常常潜伏着非理性的力量,而理性的时代之后常常是非理性的拯救方案的隆重登场。正是基于理性和非理性的联体存在特征,现代文化之后的文化便不是理性和非理性二元对证之间的线性选择,而是超越二元的多元呈现。超越二元的多元呈现从概念上容易理解和把握,运用到对现实文化环境的分析却是一个艰难的课题。也就是说,当一个文化问题不能在既有的文化思维框架中继续被深度思考时,这个文化问题就变成了一个不断漂浮的文化符号,一旦这个文化符号可能指向“这”也可能指向“那”时,它可能就什么也无法指向,最终只能自我指涉。于是后现代文化抛弃现代文化的深度阐释模式、中心概念观念、确定性分析手段、严肃性话语目标乃至不断创新的思维逻辑程式后,同时也就放弃了通过深度/平面、中心/边缘、确定/漂浮、崇高/世俗等传统的文化生产方式面对自身的文化困境,它只能在深度/平面、中心/边缘、确定/漂浮、崇高/世俗之间寻求生存空间,在各种“间性”(如主体间性)杂糅的话语中悬隔文化本身,让各种话语通过“无法”达致“有法”的境界。

后现代文化何以质疑现代确定性的文化概念,形成“间性”(主体间性等)当道的文化风格?伊格尔顿指出,后现代的“物质基础”是“资本主义的新形式”,诸如瞬息万变的、非中心化的技术领域,消费社会和文化工业。这种新的物质环境造成了传统的制造业被服务业、金融业和信息产业取代,也促成了传统的以阶级为核心的政治领域向各式各样的(基于族裔、性别、社区等)“身份认同的政治”转化。伊格尔顿的阐释表明,随着“资本主义”的发展,一种固态的物质世界观丧失之后,物质世界也就从静走向了动(就像经典物理学走向了现代物理学),而动态的物质世界必然带来动态的精神世界观的确立,资本主义社会从此便建立在一个物质和精神观念双重流动的认识论系统之上。可以说,这种流动的世界观是后现代文化形成的至关重要的原因,因为没有了恒定的对象,也就没有了确定性的文化原则,也就没有了思维的二元基点可以依赖,一切事物都在动态的呈现中丧失所谓的本质和特征。理论阐释的确如此,但我们的现实问题是,究竟是哪些日常的东西直接让所有的人感受到了这个世界的变动不居,而不仅仅是物理学家和哲学家这样一些深入物质和精神结构内部的精英分子?

要逃离理论的抽象,只能回到理论生产的空间。后现代社会常常被称为信息社会,因为后现代文化基本上是在那种不同于传统的信息生产、组织、传播和影响的社会环境中成长和发展起来的。任何文明社会均离不开信息和信息传播,何以后现代社会就能够独占“信息”语词?这固然与从来没有一个社会像信息社会那样充满巨量的信息并依赖于这种信息有关,但显然,信息社会的本质在于它改变了信息的存在和发展方式。首先,它使信息的线性存在方式发展成为立体化的网状结构——人们不仅能够通过磁带、光盘、硬盘存储信息,通过电话、传真、电视、手机等传输信息,而且可以通过计算机加工信息,人类还从来没有能够像现在这样图、文、影、音一体化地进行过信息传播;其次,它使分散孤立的信息汇集成实时交互的系统,人们可以在任何时候、以任何方式获得各种工作、教育、娱乐、消费等资源的共享,人们在全球知识、文化共享的过程中,强化人的活动功能,扩大着人的活动范围,扩展和深化人与自然界之间的关系以及人与人之间的社会联系与交往;再次,它使信息的含义空前广大,信息是知识,信息是财富,信息也是力量,信息还是一种文化,掌握信息也就等于掌握了人、社会及其通往未来的钥匙。正因为后现代社会的信息中包含着丰富的非传统语义,所以后现代文化事实上就是一种依托于新的信息传播特别是网络传播而构建起来的文化,这种文化包含着充分的信息传播特征。当我们把信息社会、后现代社会、网络传播和后现代文化联系起来时,我们会突然明白,后现代文化的转向不仅是一种文化观念、文化思维的转向,而且是一种文化生活方式的转向,这种转向根植于日常生活中人们时时接触的信息,是信息的疯狂流动让人们感受到了一个稳定世界的失去,是信息的巨量传播让人们怀疑既有价值观的局限和简陋,是信息的丰富涌现刺激了人们的多元需求和欲望,是信息的民主和共享局面让人们渴望打破一切界限进入一个后现代的文化狂欢广场……

总之,从现代向后现代的文化转向绝非后现代取代现代那么简单,那种线性的时间观正是后现代首先要抛弃的认识论。文化转向也只是意味着我们获得了一种观察文化发展的窗口。窗口总是可变的,观察的对象却从来只有一个,那就是人类自身。网络文化的现代与后现代转型与转向,正是在这个过程中悄然出现并逐渐完成的。

身体的乌托邦:从尊崇理性到张扬感性

反向传播神经网络基本原理范文

关键词:神经网络;计算机;智能信息;应用

中图分类号:TP183

文献标识码:A

文章编号:16723198(2009)20028602

1神经网络的定义

一般情况下,人工神经元网络是作为信息处理单元来模仿大脑,执行特定的任务或完成感兴趣的功能。关于它的定义有很多种,而下面的HechtNielsen给出的神经网络定义最具有代表意义:神经网络是一种并行的分布式信息处理结构,它通过称为连接的单向信号通路将一些处理单元互连而成。每一个处理单元都有一个单输出到所期望的连接。每一个处理单元传送相同的信号――处理单元输出信号。处理单元的输出信号可以是任一种所要求的数学类型。在每一个处理单元中执行的信息处理在它必须完全是局部的限制下可以被任意定义,即它必须只依赖于处理单元所接受的输入激励信号的当前值和处理单元本身所存储记忆的值。

2神经网络的基本属性

(1)非线性:人脑的思维是非线性的,故人工神经网络模拟人的思维也应是非线性的。

(2)非局域性:非局域性是人的神经系统的一个特性,人的整体行为是非局域性的最明显体现。神经网络以大量的神经元连接模拟人脑的非局域性,它的分布存储是非局域性的一种表现。

(3)非定常性:神经网络是模拟人脑思维运动的动力学系统,它应按不同时刻的外界刺激对自己的功能进行修改,故而它是一个时变的系统。

(4)非凸性:神经网络的非凸性即是指它有多个极值,也即系统具有不只一个的较稳定的平衡状态。这种属性会使系统的演化多样化。

3神经网络模型的分类

(1)按照网络的结构区分,则有前向网络和反馈网络。

(2)按照学习方式区分,则有教师学习和无教师学习网络。

(3)按照网络性能区分,则有连续型和离散性网络,随机型和确定型网络。

(4)按照突触性质区分,则有一阶线性关联网络和高阶非线性关联网络。

(5)按对生物神经系统的层次模拟区分,则有神经元层次模型,组合式模型,网络层次模型,神经系统层次模型和智能型模型。

通常人们较多地考虑神经网络的互连结构。一段而言,神经网络有分层网络、层内连接的分层网络、反馈连接的分层网络、互连网络等4种互连结构。在人们提出的几十种神经网络模型中,人们较多用的是Hopfield网络、BP网络、Kohonen网络和AR双自适应共振理论网络。

Hopfield网络是最典型的反馈网络模型,它是目前人们研究得最多的模型之一。Hopfield网络是由相同的神经元构成的单层,并且不具学习功能的自联想网络。它需要对称连接。这个网络习以完成制约优化和联想记忆等功能。

BP网络是误差反向传播(BackPropagation)网络。它是一种多层前向网络,采用最小均方差学习方式。这是一种最广泛应用的网络。它可用于语言综合,识别和自适应控制等用途。BP网络需有教师训练。

Kohonen网络是典型的自组织神经网络,这种网络也称为自组织特征映射网络SOM。它的输入层是单层单维神经元;而输出层是二维的神经元,神经元之间存在以“墨西哥帽”形式进行侧向交互的作用。因而,在输出层中,神经元之间有近扬远抑的反馈特性,从而使Kohonen网络可以作为模式特征的检测器。

ART网络也是一种自组织网络模型。这是一种无教师学习网络。它能够较好地协调适应性,稳定性和复杂性的要求。在ART网络中,通常需要两个功能互补的子系统相互作用.这两个子系统称注意子系统和取向子系统。ART网络主要用于模式识别,它不足之处是在于对转换、失真和规模变化较敏感。

4误差反向传播的前馈网络(BP网络)

学习是神经网络一种最重要也最令人注目的特点。自从40年代Hebb提出的学习规则以来,人们相继提出了各种各样的学习算法。其中以在1986年Rumelhart等提出的误差反向传播法,即BP(errorBackPropagation)法影响最为广泛。直到今天,BP算法仍然是最重要、应用最多的有效算法。

(1)神经网络的学习机理和机构:在神经网络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器,感知器采用有教师信号进行学习。感知器的学习是神经网络最典型的学习。这种学习系统分成三个部分:输入部,训练部和输出部。

输入部接收外来的输入样本X,由训练部进行网络的权值W调整,然后由输出部输出结果。在这个过程中,期望的输出信号可以作为教师信号输入,由该教师信号与实际输出进行比较,产生的误差去控制修改权值W。

(2)神经网络学习的梯度算法:从感知器的学习算法可知,学习的目的是在于修改网络中的权值,使到网络对于所输入的模式样本能正确分类。当学习结束时,也即神经网络能正确分类时,显然权值就反映了同类输人模式样本的共同特征。换句话讲,权值就是存储了的输人模式。由于权值是分散存在的,故神经网络自然而然就有分布存储的特点。

感知器学习算法相当简单,当函数不是线性可分时求不出结果,而且不能推广到一般前馈网络中,为此出现了另一种算法-梯度算法((LMS)。梯度算法把神经元的激发函数改为可微分函数,例如非对称Sigmoid函数为f(x)=l/(1+e-x),或对称Sigmoid函数f(x)=(1-e-x)/(1+e-x)梯度法比原来感知器的学习算法进了一大步。

(3)反向传播学习的BP算法:感知机学习算法是一种单层网络的学习算法。在多层网络中,它只能改变最后权值。因此,感知机学习算法不能用于多层神经网络的学习。1986年,Rumelhart提出了反向传播学习算法,即BP算法。这种算法可以对网络中各层的权值进行修正,故适用于多层网络的学习。

它含有输人层、输出层以及处于输入输出层之间单层或多层的中间层,即隐含层。隐含层虽然和外界不连接,但是,它们的状态则影响输入输出之间的关系。这也是说,改变隐含层的权值,可以改变整个多层神经网络的性能。

反向传播神经网络基本原理范文篇3

[关键词]神经网络；模型；预测；评价

中图分类号：S158文献标识码：A文章编号：1009-914X（2015）33-0121-01

1BP神经网络预测模型

1.1BP神经网络基本理论

人工神经网络是基于模仿生物大脑的结构和功能而构成的一种信息处理系统。该网络由许多神经元组成，每个神经元可以有多个输入，但只有一个输出，各神经元之间不同的连接方式构成了不同的神经网络模型。

BP网络的学习过程包括：正向传播和反向传播。当正向传播时，输入信息从输入层经隐单元处理后传向输出层，每一层神经元的状态只影响下一层的神经元的状态，既BP神经网络预测方法中的无后效性特点.如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经元连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得信号误差达到允许的误差范围之内。

1.2BP神经网络预测模型建立

BP网络具体算法的步骤为：

（1）输入P个样本，m种预测方法的预测值作为输入向量XK1，（k=1，2，3，…，P；i=1，2，3，…m）。各个历史数据真实值为神经网络的输出TK，对每个输入样本进行下面（3）到（5）的迭代。

式中：s为预先给定精度；额为第k个样本误差。

对某一训练样本使用上述算法，通过误差反传调整各层网络单元的权系数，输入所有训练样本，重复以上步骤，使输出误差限制在规定的范围内，此时权系数则不再改变。通过计算机迭代运算，达到误差允许范围为止，对于所有学习样本，均按上列算法计算，最后固定权值系数及阀值，学习训练过程结束，模型已建立。

2应用

2.1土壤适宜性评价指标体系

采用BP神经网络模型用于土壤适宜性评价，必须建立合理的综合评价指标体系，根据指标体系，才能得到训练网络的样本数据。本文确定土壤养分含量（土壤有机质含量、速效N、P、K含量）、地面坡度、土层厚度和土壤砾石含量为评价因子，上述4个方面共计7种影响因子建立指标体系。

2.2土壤适宜性评价神经网络预测模型

图1是本文建立的土壤适宜性评价神经网络预测模型。模型共3层，神经网络结构为7-6-1，输入层为7个神经元，分别对应相应的评价因子，隐蔽层有6个神经元，传递函数为s型传递函数；输出层有一个神经元，对应土壤适宜性等级。

将7个影响参数作为神经网络学习模型输入，结果：R？=0.99997；RMSE=0.01。

2.3土壤适宜性评价神经网络的具体实现

土壤适宜性评价模型实现时，采用C++算法语言编程。

选取240数据作为样本，其中228个数据供神经网络学习训练，12个数据用作验证及预测，其验证与预测结果见表1：

从表中可知，利用神经网络得到的输出值与知识库及项目区土壤适宜性评价等级基本一致，说明神经网络综合评价是有效的。

3结论

（1）当网络的结构和训练数据确定后，误差函数主要受激励函数的影响。

（2）在BP神经网络预测方法中，输入与输出之间高度非线性的映射特点，使它更适应非线性预测。

（3）在BP神经网络预测方法中，对权值的非严格性特点，有效地保存了各种预测方法所提供的有用信息，提高了预测的精度。

（4）BP神经网络预测方法中的无后效性特点，减少了组合预测结果对真实值的偏离，并且提高网络整体的收敛性。

（5）BP神经网络以神经元之间连接权值的形式存储数据，再以其自适应能力，给出客观的评价结果，从而克服了专家在评价过程中的主观因素.

（6）在实际工作中，BP神经网络模型可选取适当多的样本参数进行学习训练，随着样本数量的逐步增多，结果将会更为精确。

（7）BP神经网络预测方法在土壤适宜性评价的运用，表明了它在预测方面的适用性，并为进一步在其他领域的预测提供了方法。

参考文献

[1]刘晓冰，邢宝山等.等土壤质量及其评价指标[J].农业系统科学与综合研究，2002，18（2）：109-110.

[2]陈云先.应用神经网络专家系统预测浅层地下水水质[J].淮南职业技术学院学报2005[2]92-95.