BP神经网络应用.pptVIP

 BP 神经网络应用 案例一：高校校园安全评价 案例二：棉铃虫发生程度预测 膜电位与神经元兴奋 细胞内外部具有不同电位，外部电位为零时的内部电 位称为膜电位，没有输入信号时的膜电位称为静息膜 电位 输入信号到达神经元，影响膜电位变化，当膜电位比 静息膜电位高出一定阈值时，神经元活性被激发，内 部电位自发地急剧变高，其后膜电位急剧下降返回原 值，这个过程称为神经元兴奋，产生一定高度和宽度 的电脉冲，通过轴突传给其它神经元 电脉冲发出后，即使强大的输入信号也不能使该神经 元兴奋，绝对不应期 绝对不应期即使结束，一段时间内兴奋阈值比通常 高，神经元也难以兴奋，相对不应期 1 基本结构 第3节 BP 神经网络 BP 神经网络是采用 BP 算法的多层网络模 型。它是由输入层、隐含层和输出层组成。隐含 层可以是一层或者多层，根据实验需要而定。BP 网络的学习过程由两部分组成：正向传播和反向 传播。当正向传播时，信息从输入层经隐含层处 理后传向输出层，每一层神经元的状态只影响下 一层的神经元状态。如果在输出层得不到希望的 输出，则转入反向传播，将误差信号沿原来的神 经元连接通路返回。返回过程中，逐一修改各层 神经元连接的权值。这种过程不断迭代，最后使 得误差信号达到允许的范围之内。 案例一：高校校园安全评价 前11组样本数据 作