人工神经网络
一般情况下 k＝ , 2020/11/23 24 网络训练 变量表达：计算网络各层输出矢量 A1和 A2以及网络误差 E – A1＝ tansig(W1*P， B1)； – A2＝ purelin(W2*A1， B2)； – E＝ TA； 权值修正：计算各层反传的误差变化 D2和 D1并计算各层权值的修正值以及新权值： – D2＝ deltalin(A2， E)； – D1＝
• 其中输入向量为 , • 目标输出向量为 （ 实际上的 ） Tpmpp iiI ), . . . ,( 1Tpnpp ttT ), . . . ,( 1• 网络输出向量为 （理论上的） Tpnpp ooO ), . . . ,( 1• 记 wij为从输入向量的第 j (j=1,… ,m) 个分量到输出向量的第 i (i=1,… ,n)个分量的权重。 通常理论值与实际值有一误差 ，
的存储的加入并不改变原有的存储，且与原存储无关 2020/11/4 29 联想记忆与优化计算 联想记忆问题 – 稳定状态已知并且通过学习和设计算法寻求合适的权值矩阵将稳定状态存储到网络中 优化计算 – 权值矩阵 W已知，目的为寻找具有最小能量 E的稳定状态 – 主要工作为设计相应的 W和能量函数公式 2020/11/4 30 三、 DHNN 神经元状态更新方式 网络学习 网络记忆容量
% 测试图像 含噪声的测试图像 相对于测试图像含噪声图像的平均误差 滤除噪声后的测试图像 相对于测试图像的平均误差 （ 7） （ 8） (9) (10) (11) 图 5 图 6 % 图 7 % 图 9 图 10 % 图 11 % 滤除噪声后相对于原始图像的平均误差 通过 ANN 训练后的测试图像 相对于原始图像的平均误差 结论 （ 12） （ 13） （ 14） （ 15） 31% 图 8
舰船的动力学 ： 反应深度（ z）、重力速度（ w）、倾斜角（ ）和倾斜速度 (q)。 通过潜水系统可以监控这些变量的变化。 Reference trajectory参考轨线 Environmental disturbances环境干扰 DSRV model DSRV模型 Diving system variables response 潜水系统动态响应 UUV 模拟 UUV 过去用 于 模拟