没有合适的资源?快使用搜索试试~ 我知道了~
3、后向传播:根据公式修正权值和阈值直到满足终止条件 2、关于终止条件,可以有多种形式:§ 前一周期所有的都太小,小于某个指定的阈值 2、 网络结构的选择 3、
资源详情
资源评论
资源推荐
BP(Back Propagation)网络是 1986 年由 Rumelhart 和 McCelland 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。
一个神经网络的结构示意图如下所示。
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)。输入层神经元的个数由样本属性的维度决定,输出层神经元的
个数由样本分类个数决定。隐藏层的层数和每层的神经元个数由用户指定。每一
层包含 若干个神经元,每个神经元包含一个而阈值 ,用来改变神经元的活性。
网络中的弧线 表示前一层神经元和后一层神经元之间的权值。每个神经元都
有输入和输出。输入层的输入和输出都是训练样本的属性值。
对于隐藏层和输出层的输入 其中, 是由上一层的单元 i 到单
元 j 的连接的权; 是上一层的单元 i 的输出;而 是单元 j 的阈值。
神经网络中神经元的输出是经由赋活函数计算得到的。该函数用符号表现单元代
表的神经元活性。赋活函数一般使用 simoid 函数(或者 logistic 函数)。神经
元的输出为:
除此之外,神经网络中有一个学习率(l)的概念,通常取 0 和 1 之间的值,并
有助于找到全局最小。如果学习率太小,学习将进行得很慢。如果学习率太大,
可能出现在不适当的解之间摆动。
交代清楚了神经网络中基本要素,我们来看一下 BP 算法的学习过程:
BPTrain(){
江水流春去
- 粉丝: 43
- 资源: 352
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0