权值算法
㈠ 神经网络权值怎么确定
(1)初始时,每个权值由随机数函数产生,值的范围为[-1,1]之间
(2)运行过程中,通过BP算法求得均方误差的梯度,然后调整BP网络的权值.如:w(i,j,k+1)=w(i,j,k)+Delta(e(i,j)).
㈡ 神经网络权值是啥意思
神经网络的权值是通过对网络的训练得到的。如果使用MATLAB的话不要自己设定，newff之后会自动赋值。也可以手动：net.IW{}= ; net.bias{}=。一般来说输入归一化，那么w和b取0-1的随机数就行。神经网络的权值确定的目的是为了让神经网络在训练过程中学习到有用的信息，这意味着参数梯度不应该为0。
网络是由若干节点和连接这些节点的链路构成，表示诸多对象及其相互联系。
在1999年之前，人们一般认为网络的结构都是随机的。但随着Barabasi和Watts在1999年分别发现了网络的无标度和小世界特性并分别在世界着名的《科学》和《自然》杂志上发表了他们的发现之后，人们才认识到网络的复杂性。
网络会借助文字阅读、图片查看、影音播放、下载传输、游戏、聊天等软件工具从文字、图片、声音、视频等方面给人们带来极其丰富的生活和美好的享受。
汉语中，“网络”一词最早用于电学《现代汉语词典》（1993年版）做出这样的解释：“在电的系统中，由若干元件组成的用来使电信号按一定要求传输的电路或这种电路的部分，叫网络。”
在数学上，网络是一种图，一般认为专指加权图。网络除了数学定义外，还有具体的物理含义，即网络是从某种相同类型的实际问题中抽象出来的模型。在计算机领域中，网络是信息传输、接收、共享的虚拟平台，通过它把各个点、面、体的信息联系到一起，从而实现这些资源的共享。网络是人类发展史来最重要的发明，提高了科技和人类社会的发展。
㈢ “加权算法”是什么意思
权是权重，通俗理解就是系数。 例如某班同学考试成绩是 得60分的占50%，得80分的占40%，得90分的站10%，那么该班成绩的加权平均数为 60*50%+80*40%+90*10%=71. 50%,40%,10%就是三种成绩在总成绩分布中的权重，“加权”就是乘以权重的意思。
㈣ 计算机中的权值是什么意思
权值，是个很广泛的概念，英文叫weight（份量），我觉得英文的描述要形象一点。 比如： 1、霍夫曼树中的权值可以理解为：权值大表明出现概率大！
2、无相图中，权值就是定义的路径上面的值。－以“城市交通图”为例，权值可以是各个道路的“长度（km记）”
你的问题“权值是某一数字符号在数的不同位置所表示的值的大小”，不太好下结论，你把相关问题的内容详细地表述出来看看，因为权值的提法用的太多了。 －－－你的原文：“某一数字符号在数的不同位置所表示的值的大小”是不是错了，是“树的不同位置”吧？ 那样，可以看成是节点的值，关键是理解权值这个概念，这个概念很简单，就是名字起的“好像很深奥”
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
还有一个概念，“位权”【我觉得你可能是这个意思】
比如：【 N ＝∑D*r`i －－r地i次方】，此时N的r进制就表示为D的序列，而（r`i）就叫位权，举个2进制的例子：3＝11，此为2进制表示（即r＝2），前一个‘1’的位权是2（r＝2地一次方），后一个‘1’的位权是1（r＝2地0次方）。。。以此类推
㈤ 价格权值是什么意思
所谓的价格权值就是价格在整个投标过程中占有的投标总得分的比重。
在数学领域，权值指加权平均数中的每个数的频数，也称为权数或权重。 对于多位数,处在某一位上的“l”所表示的数值的大小,称为该位的位权。
在计算机数据结构领域，权值是树或者图中两个结点路径上的值，这个值表明一种代价，如从一个结点到达另外一个结点的路径的长度、所花费的时间、付出的费用等。
计算机领域中（计算机网络）
权值是路由器通过路径选择算法为网络上的路径产生的一个数字。路由器根据这个值确定最佳路由。一般来说，权值愈小，路径愈佳。
路由器最常用的权值有：
带宽bandwidth）：链路的数据能力。
时延（delay）：把数据包从信息源送到目的地所需的时间。
负载（load）：在网络资源，如路由器或链路上的活动数量。
可靠性（reliability）：通常指的是每条网络链路上的差错率。
跳数（hop count）：数据包通过一个路由器的输出端口时的跳数。
滴答数（ticks）：用IBM PC的时钟滴答（1/18秒，大约55毫秒）计数的数据链路延迟。
花费（cost）：指的是任意值，通常是指基于带宽、线路的租凭费用或其他单位，由网络管理员指定。
㈥ 神经网络权值怎么确定
神经网络的权值是通过对网络的训练得到的。如果使用MATLAB的话不要自己设定，newff之后会自动赋值。也可以手动：net.IW{}= ; net.bias{}=。一般来说输入归一化，那么w和b取0-1的随机数就行。神经网络的权值确定的目的是为了让神经网络在训练过程中学习到有用的信息，这意味着参数梯度不应该为0。
参数初始化要满足两个必要条件：
1、各个激活层不会出现饱和现象，比如对于sigmoid激活函数，初始化值不能太大或太小，导致陷入其饱和区。
2、各个激活值不为0，如果激活层输出为零，也就是下一层卷积层的输入为零，所以这个卷积层对权值求偏导为零，从而导致梯度为0。
(6)权值算法扩展阅读：
神经网络和权值的关系。
在训练智能体执行任务时，会选择一个典型的神经网络框架，并相信它有潜力为这个任务编码特定的策略。注意这里只是有潜力，还要学习权重参数，才能将这种潜力变化为能力。
受到自然界早成行为及先天能力的启发，在这项工作中，研究者构建了一个能自然执行给定任务的神经网络。也就是说，找到一个先天的神经网络架构，然后只需要随机初始化的权值就能执行任务。研究者表示，这种不用学习参数的神经网络架构在强化学习与监督学习都有很好的表现。
其实如果想象神经网络架构提供的就是一个圈，那么常规学习权值就是找到一个最优点（或最优参数解）。但是对于不用学习权重的神经网络，它就相当于引入了一个非常强的归纳偏置，以至于，整个架构偏置到能直接解决某个问题。
但是对于不用学习权重的神经网络，它相当于不停地特化架构，或者说降低模型方差。这样，当架构越来越小而只包含最优解时，随机化的权值也就能解决实际问题了。如研究者那样从小架构到大架构搜索也是可行的，只要架构能正好将最优解包围住就行了。
㈦ 什么是加权算法
加权算法就是“各科分数（百分制）乘以各科学分，然后把相加的总和除以学分总数，再乘以4/100”
㈧ bp神经网络怎么求权值
net.iw{1,1}=W0;net.b{1}=B0;
net.iw{1,1}=W0;输入层和隐层间的权值，net.b{1}=B0输入层和隐层间的阈值.
BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。
BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive OR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；
从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
(8)权值算法扩展阅读：
BP神经网络无论在网络理论还是在性能方面已比较成熟。其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。但是BP神经网络也存在以下的一些主要缺陷。
①学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛。
②容易陷入局部极小值。
③网络层数、神经元个数的选择没有相应的理论指导。
④网络推广能力有限。
对于上述问题，目前已经有了许多改进措施，研究最多的就是如何加速网络的收敛速度和尽量避免陷入局部极小值的问题。
㈨ 神经网络算法中权值W和阈值的定义是什么
因为高斯距离在欧式几何中定义的。（就是说这个最短）权值就是类似于方程y=ax+b，中a的值。训练好的神经网络对于新的数据不一定是最优的。甚至不一定可以用来预测。