bp神經網路的特點：
- 網路由多層構成，層與層之間全連線，同一層之間無連線
- bp網路的傳遞函式必須可微(二值函式就不行，一般用sigmoid或線性函式作為傳遞函式)
- 採用誤差反向傳播演算法進行學習
在三層bp網路中，定義：
- 輸入神經元個數為
m m
- 隱含層神經元個數為
i' role="presentation">i
i- 輸出層神經元個數為
j j
- 輸入層第
m' role="presentation">m
m個神經元記為xm
x
m- 隱含層第
i i
個神經元記為ki
' role="presentation">kik
i- 輸出層第
j j
個神經元記為yj
' role="presentation">yjy
j- 從xm
x
m到ki
k
i的連線權值為wm
i wmi
- 從ki
k
i到yj
y
j的連線權值記為wi
j wij
- 隱含層傳遞函式為si
gmoi
d sig
moid
函式 - 輸出層傳遞函式為線性函式
- 用u
u
和v' role="presentation">v
v分別表示每一層的輸入輸出(如u1
i ui1
表示i i
層的第乙個神經元的輸入)
- 網路的實際輸出y(
n)=[
vj1,
vj2,
...,
vjj]
' role="presentation">y(n
)=[v
1j,v
2j,.
..,v
jj]y
(n)=
[vj1
,vj2
,...
,vjj
]- 網路的期望輸出d(
n)=[
d1,d
2,..
.,dn
] d(n
)=[d
1,d2
,...
,dn]
- 第n n
次迭代的誤差訊號ej
(n)=
dj(n
)−yj
(n)' role="presentation">ej(
n)=d
j(n)
−yj(
n)ej
(n)=
dj(n
)−yj
(n)- 第
n n
次迭代的誤差能量定義為e(
n)=1
2∑j=
1jej
2(n)
' role="presentation">e(n
)=12
∑jj=
1e2j
(n)e
(n)=
12∑j
=1je
j2(n
)
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...