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
评论0
最新资源