1、络取相同的学习率，初始权值都设置在0，0.1，最大迭代次数为150次。两个神经网络同样采取BP网络结构和sgd算法，均只有1层隐藏层和20个隐藏节点，精度阈值均为0.01。3.1.1 避孕方式预测这十一个数据集的主要内容是印度尼西亚女性避孕措施的调查，1987年的具体样本获取做法，是从那些未怀孕或不清楚自己是否怀孕的已婚妇女那里调查其避孕方法，具体维度的划分是她的人口和社会经济特征（9个特征），而具体的方法选择为：不使用，长期方法或仅仅在短期使用。数据集共有1438个样本，将其打乱顺序后其中前百分之七十的样本数进行训练，后百分之三十用于测试。分别展示神经网络的误差收敛图和真实值与测试值对比图。
2、可见在加入动量因数后，优化了已知的神经网络的，正确率有小有提升。3.1.2 乳腺癌的良性恶性判别威斯康星大学的681名乳腺癌患者的诊断结果就集结为第一个标准数据集，这些患者被赋予9个特征值和1个具体的类别标签（恶性或良性肿瘤）。将其打乱顺序后其中前百分之七十的样本数进行训练，后百分之三十用于测试。分别展示神经网络的误差收敛图和真实值与测试值对比图。 3.2 初始参数值的改动与影响学习速率又称步长，是指权值或阈值在调整时的速度。学习速率决定了网络达到最优值速度。学习速率一般取0-1之间的数如：0.01,0.1，网络初始化阈值赋值（0,0.1）区间内随机数，之后通过神经网络训练不断调整。权值变化量
3、是由学习速率所决定的，也就是说学习速率过大也许会导致系统的过拟合，从而无法逼近正确值，小的学习速率导致较长的训练时间，但是能保证网络训练的质量，从而使误差降低。所以会通过选取相对较小的学习速率来获取稳定性，比如学习速率的范围为0.01-0.8。对第二个数据集，我分别比较了是否加入动量因子与改变步长对网络正确性的影响。数据集加入动量因子未加入动量因子学习率0.05学习率0.01乳腺癌判别99.019608%98.52941%98.529412%99.019608%第4章 结论在本次实验中，我们主要实践了相位幅度型复数值神经网络的可行性，并在数据集上完成了测试。实验证明，相位幅度型复数值神经网络在
4、处理数据分类预测问题中的可行性。除此以外，我们还通过加入动量因数等做法对已得的网络进行优化，同时也肯定了动量因数的作用，其可以使误差曲线更加平滑，正确率也小有提升。经过这次实验使我对以前从未接触过的神经网络知识，有了初步的认知。并在探究相位幅度型复数值神经网络的搭建过程中对sgd梯度下降算法在相位幅度型复数值神经网络的应用中的算法的意义和推导过程有了较为深刻的了解。本次实验不仅让我学习到了原本没有接触过的知识，也培养了我的耐心和毅力，懂得了科研所需要的那种沉稳，一丝不苟的品质。致谢本次实验得以完成需要感谢黄鹤老师的悉心指导和同组同学对我编程方面的帮助。从设计思路到算法推算再到最后的编程调整，无
5、不倾注了老师和同学的心血。在此之前，我并未接触过神经网络且Matlab掌握情况也很一般，并因为个人原因在设计前荒废了很长一段时间，而黄鹤老师不仅没有责怪我，反而鼓励我处处给予我学业上的帮助。老师不仅以他学识更以他严以待己，宽以待人的品格以身作则，教会了我许多知识与道理。同组的同学在知道我Matlab掌握并不熟练之后不仅借阅相关书籍给我，更在我编程遇到问题时积极给予我指导。借此机会，我衷心地向知道我的老师同组的同学表达我的感激之情。最后，衷心感谢各位老师在繁忙的工作中对论文给予评审。由于本人学业未精，加上时间所限，文中有很多疏漏以及不严谨之处，希望评委老师能够对本文不当的地方进行批评指正，会进行
6、及时的完善并继续努力，谢谢！参考文献1Laurent Sorber,Marc Van barel, Lieven De Lathauwer.Unconstrained Optimization of Real Functions in Complex Variables. 2012 Society for Industrial and Applied Mathematics. Vol. 22, No. 3, pp. 879898 2Rongrong Wu,He Huang,and Tingwen Huang.Learning of Phase-Amplitude-Type Complex-Va
7、lued Neural Networks with Application to Signal Coherence.School of Electronics and Information Engineering, Soochow University,Suzhou 215006, Peoples Republic of China.Texas A&M University at Qatar, Doha 5825, Qatar 3William Shakespeare, Sonnet 76.Why We Need Complex-Valued Neural Networks?Springer
8、-Verlag Berlin Heidelberg .2011Aizenberg: Complex-Valued Neural Networks with Multi-Valued Neurons, SCI 353, pp. 153. 4Md. Faijul Amin. Complex-Valued Neural Networks:Learning Algorithms and Applications. A dissertation submitted to the University of Fukui for the degree ofDoctor of Engineering.Marc
9、h, 2012 5Akira Hirose.Complex-valued neural networks: The merits and their origins.Proceedings of International Joint Conference on Neural Networks, Atlanta, Georgia, USA, June 14-19, 2009 6Akira Hirose, Senior Member, IEEE, and Shotaro Yoshida.Generalization Charact，eristics of Complex-Valued Feedforward Neural Networks in Relation to Signal Coherence.IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, VOL. 23, NO. 4, APRIL 2012 7王正林,刘明.精通matlabM.北京电子工业出版社.2006 8Ham FMetal,神经计算原理M.北京机械工业出版社.2003 9张良均,曹晶,蒋世忠.神经网络使用教程M.北京机械工业出版社.2007 10韩力群,人工神经网络理论：设计及应用M.北京化学工业出版社.2002 22
个人主页