BP神经网络的基本原理-一看就懂.docx
版权申诉
112 浏览量
2022-06-02
10:27:15
上传
评论
收藏 1.3MB DOCX 举报
McClelland 为首的科学家小组提出，是一种按误差逆传播算
法训练的多层前馈网络，是目前应用最广泛的神经网络模型
之一.BP 网络能学习和存贮大量的输入-输出模式映射关系，
而无需事前揭示描述这种映射关系的数学方程.它的学习规
则是使用最速下降法，通过反向传播来不断调整网络的权值
和阈值，使网络的误差平方和最小。BP 神经网络模型拓扑结
构包括输入层（input）、隐层(hide layer）和输出层（output layer）(如图 5.2 所示）。
图 5。3 给出了第 j 个基本 BP 神经元（节点）,它只模仿了生物神经元所具有的三个最基本
也是最重要的功能：加权、求和与转移.其中 x 、x …x …x 分别代表来自神经元 1、2…i…n
的输入；w 、w …w …w 则分别表示神经元 1、2…i…n 与第 j 个神经元的连接强度,即权
ji
值；b 为阈值；f（·)为传递函数;y 为第 j 个神经元的输出.
j
,即令 及 包括 及
剩余12页未读，继续阅读
评论0
最新资源