www.99365.com您现在的位置:主页 > www.99365.com >

什么是BP神经网络?

2019-05-26 16:17365bet开户在线

展开全部
反向传播(BP)错误算法BP算法的基本思想是学习过程包括两个过程:信号的前向传播和误差的后向传播。
1)正向传播:输入采样 - 输入层 - 隐藏层(处理) - 输出层注1:如果输出层的实际输出与预期输出(主信号)不匹配,请执行。a 2)(错误传播过程)2)错误传播:输出错误(由于某种原因) - 隐藏层(每层) - 输入层错误信号,其主要目的是将错误分配给每个单元因此,每个单元的重量(该过程是重量调整的过程)。
注2:体重调整过程,即网络学习和训练过程(体重调整是这个的起源)。
2,BP(软件)算法实现程序:1)初始化2)输入训练样本对,计算每层输出3)计算网络输出误差4)计算每层误差信号5)调整每层的重量。6)检查网络的总误差。如果满足精度要求,培训结束。如果没有,请返回步骤2。3。多层感知器的主要功能(基于BP算法):1)非线性映射:足够的样本:学习训练可以学习并存储在输入/输出模式。
通过为BP网络训练训练提供足够的样本模式,我们可以完成从n维输入空间到m维输出空间的非线性映射。
2)概括:输入新样本(在培训期间不可用):完成输入和输出的正确分配。BP:1)很容易创造一个局部极点。Peque?o(贪婪算法,局部最优)无法获得全局最优。2)这意味着训练的数量低,学习效率低,收敛速度慢(必须进行许多操作)。3)隐藏节点选择缺乏理论支持。4)在训练期间学习新样本往往会忘记旧样本。
注3:改进算法:增加脉冲项,自适应调整学习速率(这看起来不错),并输入斜率因子