人工智能导论实验报告.doc

1）按学号计算初始权重 初始权重： W1(0)=[-0.27, -0.41]’, b1(0)=[-0.48, -0.13]’ W2(0)=[0.09, -0.17]’ b2(0)=0.48 每一位同学，提取自己学号最后4位，分别除10，加到以上初始权重 W11, B11, W21,B2上。 即假设某位同学学号 XXXX9041. 本题目权重更新为 W11+=0.5 , B11 += 0.6 , W21 += 0.7 ,B2 += 0.8 2）完成3次迭代计算的执行详细情况 一次前向计算加一次后向计算为一次迭代 第一次迭代开始权重，以按学号计算的初始权重为初始值； 第二次迭代开始权重，以第一次迭代完成后权重的更新值为初始值，； 第三次迭代开始权重，以第二次迭代完成后权重的更新值为初始值，； 3次迭代的前向计算最后，验证误差是否减少。 在本次《人工智能导论》实验报告中，我们探讨了人工智能的基本概念、神经网络的理论以及迭代计算的方法。实验目的是为了深化对神经网络架构的理解，掌握神经网络算法，并通过实际操作加强计算能力。 实验的核心任务是基于学号计算初始权重，并进行三次迭代计算，观察误差是否减少。初始权重设定为 W1(0)=[-0.27, -0.41]', b1(0)=[-0.48, -0.13]', W2(0)=[0.09, -0.17]', b2(0)=0.48。每位同学根据自己的学号最后四位，将数值除以10并加到对应的权重上。例如，学号为XXXX9041的同学，权重值更新为 W11+=0.5, B11+=0.6, W21+=0.7, B2+=0.8。 实验步骤包括完成三次迭代计算，每次迭代由一次前向计算和一次后向计算组成。第一次迭代使用按学号计算的初始权重，之后的迭代使用上一次迭代后的权重更新值作为初始值。例如，一位同学的权重更新为 W11+=0.9, B11+=0, W21+=0.4, B2+=0.1，然后进行权重的调整，如 W1 从 [-0.27, -0.41]' 变为 [0.63, -0.41]' 等。 在神经网络的学习中，BP（Backpropagation）算法扮演了重要角色。BP 算法是基于梯度下降的一种优化方法，用于寻找最佳的权值向量以最小化损失函数。其过程包括初始化网络权重，前向传播计算各层输出，计算损失函数，反向传播求解权重和偏置项的梯度，然后根据梯度更新权重，重复这个过程直到达到预设的迭代次数或损失函数满足预设阈值。 通过这个实验，我们不仅理解了神经网络的结构和工作原理，还学会了如何使用 BP 算法进行权重调整。这门课程虽然涉及复杂的数学原理和专业术语，但通过实践，我们可以更好地掌握这些知识，同时提高编程技能。人工智能不仅涵盖了计算机科学，还与信息论、控制论等多个学科相互关联，其研究内容包括知识表示、自动推理、机器学习等多个方面。 通过本学期的学习，我们认识到人工智能的广泛影响力和潜力，它已渗透到各个行业，成为推动科技进步的重要力量。未来，我们需要继续深入学习，理解和掌握更多人工智能的技术，以应对不断变化的世界。