來自神經網路之家
www.nnetinfo.com
日期:2015-07-16 09:37:56.0
神經網路在各個領域都有應用，主要看使用者如何發揮，從什麼角度去發揮。這裡是乙個例子，有助於大家了解神經網路的基本應用。
問題：已知系統a有乙個輸出y，它受輸入x1和x2的影響。當知道x1和x2的值時，求y的值。
由於不知道系統的內部構造關係，因此不能用基於機理分析的方法獲得y與x1,x2之間的數學表示式。但可以通過反覆在系統輸入x1,x2，獲得一系列x1,x2與y的對應值。例如如下：
輸入系統的資料:
系統對應輸出的資料:
用這些資料反覆去訓練神經網路（就像反覆教小孩子讀書一樣），使神經網路在輸入x1,x2時，能盡量準確的輸出y。
如x1=0.3,x2=0.2時，y的值是0.3035.
在訓練好的網路中，**到的值為0.3097.
詳細過程見：乙個簡單的神經網路例子
BP神經網路
基本bp神經網路演算法包括 訊號的前向傳播 誤差的反向傳播 也即計算實際輸出時按照輸入到輸出的方向進行，權值閾值調整則相反。bp是一種多層前饋神經網路，由輸入層 隱含層和輸出層組成。層與層之間有兩種訊號在流動 一種是從輸入流向輸出的工作訊號，是輸入和權值的函式 另一種是輸入流向輸出的訊號，即誤差。隱...
BP神經網路
x 為輸入向量，y為隱藏層的神經元，z 為輸出層,d為目標真實值,本文預設 z 不經過sigmod處理。x y的權重為 w,y z的權重為 v yj ix iwij 1 oyi f y j 2 其中激勵函式f x 1 1 e x f x f x 1 f x 3 z k j f yj vjk 此時系統...
BP神經網路
bp是back propagation bp神經網路主要的演算法在於誤差反向傳播error backpropagation 有三層 輸入層 input 隱含層 hidden 輸出層 output 輸入層 n個神經元 隱含層 p個神經元 輸出層 q個神經元 輸入向量 x x1,x2,x n 隱含層輸入...