文档介绍:BP神经网络
一簇蓝色精灵的小确幸
CHENYING0907
BP神经网络
两个
阶段
正向传播阶段:逐层状态更新
反向传播阶段:误差
设:某层任一神经元j的
输入为netj,输出为yj;
BP神经网络
一簇蓝色精灵的小确幸
CHENYING0907
BP神经网络
两个
阶段
正向传播阶段:逐层状态更新
反向传播阶段:误差
设:某层任一神经元j的
输入为netj,输出为yj;
相邻低一层中任一
神经元i的输出为yi。
j
i
wij:神经元i与j之间的连接权;
f(∙):神经元的输出函数。
BP神经网络
S型输出函数:
θj:神经元阈值;
h0:修改输出函数形状的参数。
设:输出层中第k个神经元的实际输出为yk,输入为netk;
与输出层相邻的隐层中任一神经元j的输出为yj。
BP神经网络
BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最速下降方法,按误差函数的负梯度方向修改权系数。
对输入模式Xp,若输出层中第k个神经元的期望输出为
dpk,实际输出为ypk。输出层的输出方差 :
BP神经网络
若输入N个模式,网络的系统均方差为:
当输入Xp时,wjk的修正增量:
其中,
由 式得到:
BP神经网络
令 , 可得
输出单元的误差:
输出单元的修正增量:
对于与输出层相邻的隐层中的神经元j 和该隐层前低一层
中的神经元i :
输出层中神经元输出的误差反向传播到前面各层,对各
层之间的权值进行修正。
感谢聆听!