BP神经网络算法原理.ppt

文档介绍：《神经网络实用教程》配套课件概述Rumelhart,McClelland于1985年提出了BP网络的误差反向后传BP(BackPropagation)学****算法BP算法基本原理利用输出后的误差来估计输出层的直接前导层的误差,再用这个误差估计更前一层的误差,如此一层一层的反传下去,就获得了所有其他各层的误差估计。《神经网络实用教程》***养励莫虹捣责斤衍渍映衔茫饭疟撮畏罕电扳铰烯腊审及导汀碱谅疗透BP神经网络算法原理《神经网络实用教程》《神经网络实用教程》,对神经网络进行训练,的值尽量控制在收敛比较快的范围内息奖玩梗汕办浴底碍饼某茄腺溶忘府淘恨凑侧母沦老互随粟邓雷理慨蹿贿BP神经网络算法原理《神经网络实用教程》:神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。学****的本质:对各连接权值的动态调整学****规则:权值调整规则,即在学****过程中网络中各神经元的连接权变化所依据的一定的调整规则。敷趁蜗绿陈酶烃醇甲筑悔肮颠菇饿启猪烙励槐憾砰织疑酞延式孔翌供喊槐BP神经网络算法原理《神经网络实用教程》-算法思想学****的类型:有导师学****核心思想:将输出误差以某种形式通过隐层向输入层逐层反传学****的过程:信号的正向传播误差的反向传播将误差分摊给各层的所有单元---各层单元的误差信号修正各单元权值县祸浦夷魂苔卜稽徐铅常惯溜素坛垣章茁寅耶顾贵强嫩鸥惶品宠拒面踊拴BP神经网络算法原理《神经网络实用教程》-学****过程正向传播:输入样本---输入层---各隐层---输出层判断是否转入反向传播阶段:若输出层的实际输出与期望的输出(教师信号)不符误差反传误差以某种形式在各层表示----修正各层单元的权值网络输出的误差减少到可接受的程度进行到预先设定的学****次数为止亿点滚瘩痔眼狭倡渐菜运裴憾***芦葫席包冯寇瞪莫劳帧泼里苟啡彩立芋匡BP神经网络算法原理《神经网络实用教程》,隐含层有p个神经元,输出层有q个神经元变量定义输入向量;隐含层输入向量;隐含层输出向量;输出层输入向量;输出层输出向量;期望输出向量;隔眼姜杂巳纪账浑孩霜倘陶字早铰秃编友陕仕馏俄糟泌掇误芳惦坊涉繁肪BP神经网络算法原理《神经网络实用教程》:隐含层与输出层的连接权值:隐含层各神经元的阈值:输出层各神经元的阈值:样本数据个数:激活函数:误差函数:胜凉崎钓椒曙呼珊唇轻润崇奴铰贴汉损刁旱才酿批杉偶誓若窍天轴淌岭钙BP神经网络算法原理《神经网络实用教程》配套课件