儘管神經網路的研究和應用已經取得巨大成功，但在網路的開發設計方面至今仍沒有一套完善的理論做指導，應用中採取的主要設計方法是，在充分了解待解決問題的基礎上將經驗與試探相結合，通過多次改進性試驗，最終選出乙個較好的設計方案。下面是在開發神經網路中常用的基本方法和實用技術。
多層神經網路的分類能力與網路資訊容量相關，如果網路的權值和閾值總數nw表徵網路資訊容量，研究表明，訓練樣本數n與給定的訓練誤差ε之間應滿足以下匹配關係：
n = nw / ε.
上式表明網路的資訊容量與訓練樣本數之間存在合理匹配關係。在解決實際問題時，訓練樣本數常常難以滿足以上要求。對於確定的樣本數，網路引數太少則不足以表達樣本中所蘊含的全部規律即發生欠擬合；而網路引數太多，則可能發生過擬合，造成網路的泛化能力減弱。所以，通過上式根據設定的網路結構和誤差要求，可以評估一下大致需要多少訓練樣本。
BP神經網路設計
1 網路層數 大部分單個隱藏層即可 2 輸入層神經元個數 輸入變數的個數通常都是由問題的外部描述所確定的。例如，如果有4個外部變數作為網路的輸入，那麼網路就有4個輸入。但是，這是不是意味著輸入層的神經元個數就為4呢？答案是否定的 因為每個神經元的輸入可以有無數個，所以，通常當輸入變數較多的時候，輸入...
BP神經網路設計常用的基本方法和實用技術
儘管神經網路的研究和應用已經取得巨大成功，但在網路的開發設計方面至今仍沒有一套完善的理論做指導，應用中採取的主要設計方法是，在充分了解待解決問題的基礎上將經驗與試探相結合，通過多次改進性試驗，最終選出乙個較好的設計方案。下面是在開發神經網路中常用的基本方法和實用技術。多層神經網路的分類能力與網路資訊...
BP神經網路的基本理解
誤差反向傳播 error back propagation,bp 演算法 1 bp演算法的基本思想是，學習過程由訊號的正向傳播與誤差的反向傳播兩個過程組成。1 正向傳播 輸入樣本 輸入層 各隱層 處理 輸出層 注1 若輸出層實際輸出與期望輸出 教師訊號 不符，則轉入2 誤差反向傳播過程 2 誤差反向...