BP神經網絡基本原理簡介_第1頁
BP神經網絡基本原理簡介_第2頁
BP神經網絡基本原理簡介_第3頁
BP神經網絡基本原理簡介_第4頁
BP神經網絡基本原理簡介_第5頁
已閱讀5頁，還剩20頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

BP神經網絡基本原理簡介智能優(yōu)化算法課程展示人工神經網絡基本原理簡介x1o1輸出層隱藏層輸入層x2o2omxn…………一個神經網絡的典型結構：人工神經網絡基本原理簡介人工神經元的模型激活函數網絡模型工作方式人工神經元的模型作為神經網絡的基本元素，神經元的模型如下：x1~xn是從其他神經元傳來的輸入信號wij表示表示從神經元j到神經元i的連接權值θ表示一個閾值(threshold)，或稱為偏置(bias)。人工神經元的模型若用X表示輸入向量，用W表示權重向量：則神經元的輸出與輸入的關系為：凈激活量激活函數激活函數激活函數是對凈激活量與輸出進行映射的函數。一些常用的激活函數線性函數 S形函數閾值函數雙極S形函數激活函數S形和雙極S形函數圖像為：

S形和雙極S形函數的導函數均為連續(xù)函數。網絡模型根據網絡中神經元的互聯方式的不同，網絡模型分為：前饋神經網絡只在訓練過程會有反饋信號，而在分類過程中數據只能向前傳送，直到到達輸出層，層間沒有向后的反饋信號反饋神經網絡從輸出到輸入具有反饋連接的神經網絡，其結構比前饋網絡要復雜得多自組織網絡通過自動尋找樣本中的內在規(guī)律和本質屬性，自組織、自適應地改變網絡參數與結構。網絡模型前饋神經網絡反饋神經網絡自組織網絡工作狀態(tài)神經網絡的工作狀態(tài)分為學習和工作兩種狀態(tài)學習利用學習算法來調整神經元間的連接權重，使得網絡輸出更符合實際工作神經元間的連接權值不變，可以作為分類器或者預測數據之用。工作狀態(tài)學習分為有導師學習與無導師學習有導師學習將一組訓練集送入網絡，根據網絡的實際輸出與期望輸出間的差別來調整連接權例如：BP算法無導師學習抽取樣本集合中蘊含的統(tǒng)計特性，并以神經元之間的聯接權的形式存于網絡中。例如：Hebb學習率BP算法(BackPropagation)采用BP學習算法的前饋神經網絡稱為BP神經網絡BP算法(BackPropagation)BP算法基本原理利用輸出后的誤差來估計輸出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。信號的正向傳播&誤差的反向傳播BP算法(BackPropagation)正向傳播：輸入樣本－－－輸入層－－－各隱層－－－輸出層判斷是否轉入反向傳播階段：若輸出層的實際輸出與期望的輸出不符誤差反

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論