BP神经网络算法步骤.doc

文档介绍：传统的BP算法简述
BP算法是一种有监督式的学****算法，其主要思想是：输入学****样本，使用 反向传播算法对网络的权值和偏差进行反复的调整训练， 使输出的向量与期望向
量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成， 保存
网络的权值和偏差。具体步骤如下：
初始化，随机给定各连接权[w],[v]及阀值9,，rt。
由给定的输入输出模式对计算隐层、输出层各单元输出
计算新的连接权及阀值，计算公式如下：
选取下一个输入模式对返回第 2步反复训练直到网络设输出误差达到 要求结束训练。
第一步，网络初始化
给各连接权值分别赋一个区间(-1,1)内的随机数，设定误差函数e,给定计算 精度值和最大学****次数M。
第二步，随机选取第k个输入样本及对应期望输出
do(k)二 d!(k),d2(k), ,dq(k)
x(k)二 X!(k),X2(k), ,Xn(k)
第三步，计算隐含层各神经元的输入和输出
第四步，利用网络期望输出和实际输出，计算误差函数对输出层的各神经元的偏 导数o(k)a
第五步，利用隐含层到输出层的连接权值、输出层的 o(k)和隐含层的输出计算
误差函数对隐含层各神经元的偏导数；h(k)
第六步，利用输出层各神经元的 o(k)和隐含层各神经元的输出来修正连接权值
Who(k)
第七步，利用隐含层各神经兀的 h(k)和输入层各神经元的输入修正连接权。
1 m q
第八步，计算全局误差E = — (d°(k) - y°(k))2
2 m k d o m
第九步，判断网络误差是否满足要求。当误差达到预设精度或学****次数大于设定 的最大次数，则结束算法。否则，选取下一个学****样本及对应的期望输出，返回 到第三步，进入下一轮学****