典型神经网络--BP?反向传播网络 Back—work,由于其权值的调整采用反向传播(Backpropagation)的学习算法,因此被称为BP网络。BP网络?是一种单向传播的多层前向网络?其神经元的变换函数是S型函数,因此输出量为0到1之间的连续量?它可以对非线性可微分函数进行权值训练,从而实现输入到输出的任意的非线性映射。?网络中心思想是梯度下降法通过梯度搜索技术,使网络实际输出值与期望输出值的误差均方值最小。? BP网络结构BP神经网络模型结构输入层隐层输出层输入输出BP网络是一种多层前向神经网络?一般分三层:输入层,隐层,输出层,也可以有2层或更多个隐层。?层与层之间采用全互联方式,同一层单元之间不存在相互连接。1)输入层单元无转换函数,直接接收信号传给下一层,所以有些书不认为输入层是一个网络层。2)在一般情况下,均是在隐含层采用S 型激活函数,而输出层采用线性激活函数。………………x1x2xny1yp只有当希望对网络的输出进行限制,如限制在0和1之间,那么则在输出层包含S 型激活函数BP网络特点?是多层网络,包括输入层、隐层和输出层?层与层之间采用全互连方式,同一层神经元之间不连接?权值通过学习算法进行调节?神经元激发函数为S函数?层与层的连接是单向的,信息传播是双向的感知机网络利用输出误差只能修改最后一层的权值而BP网络实现了多层学习,每一层的权值均可训练学习修改。
神经网络——BP算法 来自淘豆网m.daumloan.com转载请标明出处.
