(3) Determine the network structure

(3) Determine the network structure of BP neural network: Thisparticular BP neural network is a three-layer network: the input layer, the hidden layer and the output layer. Both theinput layer and output layer consist of 3 neurons. The input isthe captured R1, G1and B1sample values of the color checkerwhile the output is the standard target color L1*, a1* and b1*.It has been proved that if a BP network with one hidden layerhas enough number of neurons, it can realize any nonlin-ear mapping. In consideration of the premises, to fulfill therequirements on accuracy and training time-saving, the num-ber of hidden layers is decided to be 1. The structure of a BPneural network is shown in Fig. 3. Each node in the networkis a neuron whose function is to calculate the inner productof the input vector and weight vector by a nonlinear transferfunction to get a scalar result. As we know, the number of thesingle hidden layer node can be calculated by the followingequation:

ผลลัพธ์ (ไทย) 1:

(3) กำหนดโครงสร้างเครือข่ายของเครือข่ายประสาท BP: Thisparticular BP ข่ายประสาทเป็นเครือข่าย 3 ชั้น: ชั้นอินพุต ชั้นซ่อน และชั้นออก ชั้น theinput และผลผลิตชั้นส่วนประกอบของ 3 neurons อินพุตเป็น R1 จับ G1and B1sample ค่าของ checkerwhile สีออกเป็นสีมาตรฐานเป้าหมาย L1 * a1 * และ b1 * มันได้รับการพิสูจน์ว่า ถ้า BP เป็นเครือข่ายที่ มี layerhas หนึ่งซ่อน neurons จำนวนเพียงพอ ก็ได้ตระหนักถึงการแม็ป nonlin หูใด ๆ ค้นสถานที่ การตอบสนอง therequirements บนความถูกต้องและประหยัดเวลา การฝึกอบรม ber num ชั้นซ่อนเป็นตัดสินใจที่จะเป็น 1 แสดงโครงสร้างของเครือข่าย BPneural ใน Fig. 3 แต่ละโหนดใน networkis เซลล์ประสาทเป็นฟังก์ชันจะคำนวณ productof ภายในเวกเตอร์เวกเตอร์และน้ำหนักที่อินพุต โดย transferfunction ไม่เชิงเส้นเพื่อให้ได้ผลสเกลา เรารู้ สามารถคำนวณจำนวนโหนดชั้นซ่อน thesingle โดย followingequation:

ผลลัพธ์ (ไทย) 2:

(3) กำหนดโครงสร้างเครือข่ายของเครือข่ายประสาท BP นี้: Thisparticular เครือข่ายประสาท BP เป็นเครือข่ายสามชั้น: ชั้นใส่ชั้นชั้นที่ซ่อนอยู่และเอาท์พุท ทั้งสองชั้นและชั้น theinput เอาท์พุทประกอบด้วย 3 เซลล์ประสาท การป้อนข้อมูล isthe จับ R1, G1and ค่า B1sample สี checkerwhile การส่งออกเป็นสีมาตรฐานเป้าหมาย L1 * * * * * a1 b1 * และมันได้รับการพิสูจน์ว่าถ้าเครือข่าย BP กับ layerhas ซ่อนอยู่จำนวนเพียงพอของเซลล์ประสาทก็สามารถไปถึง การทำแผนที่ใด ๆ nonlin หู ในการพิจารณาสถานที่ที่จะตอบสนอง therequirements กับความถูกต้องและประหยัดเวลาการฝึกอบรม NUM เบอร์ของชั้นที่ซ่อนจะตัดสินใจที่จะเป็น 1. โครงสร้างของเครือข่าย BPneural จะแสดงในรูป 3. โหนดใน networkis แต่ละเซลล์ประสาทที่มีฟังก์ชั่นในการคำนวณภายใน productof เวกเตอร์การป้อนข้อมูลและน้ำหนักเวกเตอร์โดย transferfunction ไม่เชิงเส้นเพื่อให้ได้ผลเกลา ที่เรารู้ว่าจำนวนของโหนดชั้นซ่อน thesingle สามารถคำนวณได้โดย followingequation ไปนี้:

ผลลัพธ์ (ไทย) 3:

( 3 ) กำหนดโครงสร้างเครือข่าย BP ประสาทเครือข่าย : thisparticular BP โครงข่ายประสาทเทียมเป็นสามชั้นเครือข่าย : ข้อมูลชั้น , ชั้นซ่อนและการแสดงผลชั้น ทั้งชั้นและชั้นความผลผลิตประกอบด้วย 3 เซลล์ประสาท การป้อนข้อมูลเป็นจับ R1 , g1and b1sample ค่าสี checkerwhile เอาต์พุตมาตรฐานเป้าหมายสี l1 * A1 และ B1 * *มันได้ถูกพิสูจน์แล้วว่า ถ้าเครือข่าย BP กับหนึ่งที่ซ่อนอยู่ layerhas เพียงพอจำนวนเซลล์ประสาทได้ตระหนักถึงการทำแผนที่หูใด ๆ nonlin . ในการพิจารณาของสถานที่นั้น เพื่อตอบสนอง therequirements บนความถูกต้องและประหยัดเวลาการฝึกอบรม นัมเบอร์ของชั้นซ่อนอยู่ ตัดสินใจ 1 โครงสร้างของเครือข่าย bpneural จะแสดงในรูปที่ 3แต่ละโหนดใน networkis เป็นเซลล์ประสาทที่มีหน้าที่คำนวณภายใน productof ข้อมูลเวกเตอร์และเวกเตอร์น้ำหนักด้วยเส้น transferfunction รับด้านผล ตามที่เราทราบ จำนวนต่อชั้นซ่อนปมสามารถคำนวณโดย followingequation :