首页 >> 最新文章

BP神经网络的原理多功能鞋

时间:2020/05/26 18:48:44 编辑:

2017-01-07 21:02:56来源: 贤集网

BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出。BP是根据误差逆传播算法训练的多层前馈自助式智慧学习网络,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)。

BP神经网络是误差反向传播神经网络的简称(Back Propagation Neural Networks,简称BP),它由一个输入层、一个或多个隐含层和一个输出层构成,其中输入和输出都只有一层,隐含层可以有多层,其激励函数采用Sigmoid型函数。每一层由一定数量的神经元构成,同层的网络节点之间没有连接,每个网络节点表示一个神经元,这些神经元如同人的神经细胞一样是相互关联的。

BP网络是一种单向传播的多层前向网络,它通过大量样本进行有导师学习,不断减小网络输出与用户要求间的距离,逼近要求,其学习训练由四个过程组成:

(1)输入模式由输入层经中间层向输出层的“模式顺传播”过程,得到了最初网络的输出;

(2)由网络的期望输出与网络实际输出之差得到的误差信号,从输出层经中间层向输入层逐渐修正连接权的“误差逆传播”过程;

(3)“模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练”过程,用各样本反复迭代,不断修正连接权;

(4)网络趋向收敛,即网络的全局误差趋向极小值的“学习收敛”过程。

网络收敛后,就达到用户的要求,训练过程结束。可以看出,BP网络的训练过程归结起来为:模式顺传播→误差逆传播→记忆训练→学习收敛。由于BP神经网络及其算法增设了中间隐含层而且有相应的学习规则可循,使其具有对非线性模式的识别能力,尤其是其数学意义明确、算法步骤分明,更使其具有广泛的应用前景。

郑州发电机出租

成都殡仪一条龙服务

道里上门静点

相关资讯