BP神经网络在手机评价中应用.pdfVIP

BP 神经网络在手机评价中的应用 白宁，张谢谊 辽宁工程技术大学理学院，辽宁阜新 (123000) E-mail ：baining97@163.com 摘 要：本文首先介绍了人工神经网络的基本原理，然后详细介绍了反向传播算法（BP ）， 通过BP 神经网络模型来评判手机总体的好坏，从而对手机进行选择时能作出更好的决策。 关键词：BP 神经网络，手机评价 1．引言 BP 学习算法是一种多层前馈网络使用的的监控式学习算法，相应的神经网络也称 BP 网络。通常所说的BP 模型即误差反向传播神经网络是神经网络模型中使用最广泛的一类。 随着科学技术的发展，电子产品的生产越来越广泛，也和人民的生活越来越有关，出现 了 MP3,MP4,3G 手机等产品。同时随着人民生活的提高，这些产品也逐渐的使人们有能力 接受，但人们在购买这些产品之前还是会对其做出简单的综合决策来确定选购价钱等各个方 面符合自己的产品，保证自己的付出得到相应甚至高于付出的回报。本文利用BP 网络的算 法来解决手机上的选择问题，并建立相应的模型，以做出更合理的决策。 2 ．相关知识 2.1 BP 神经网络介绍 1985 年F.Rosenblatt 提出了著名的视知觉的脑模型——感知机，它是脑模型研究的又一 个里程碑。感知机是一种层状结构的神经元网络，各层内部神经元间没有信息流动，层间神 经元的联接权重W 可随着对网络进行训练而改变，即通过学习算法进行学习，从而实现网 络良好的模式辨识功能。感知机模型网络虽然对人工神经元网络的发展起了很大的作用，可 以说它是一种真正能够使用的人工神经网络，它的出现曾掀起了人们研究人工神经网络的热 潮。但它毕竟还存在着一定的不足。因此人们开始研究对多层网络连接权的校正方法，组建 发展起来一种新的对多层网络的训练方法——误差逆传播算法。即 Error Back-Propagation 【】 Ttaining,就是我们所说的BP 网 1 。从结构上讲，BP 网络是典型的多层网络，分为输入层、 隐层和输出层，层与层之间多采用全连接方式。同一层单元之间不存在相互连接。图1 给出 【】 3 三层BP 网络结构 。 BP 模型实现了多层网络学习的设想。当给定网络的一个输入模式时，它由输入层传到 隐层单元，经过隐层单元逐个处理后传送到输出单元，由输出层单元处理产生一个输出模式。 如果输出响应与期望输出模式有误差，不满足要求，那么就转入误差反向传播，将误差值沿 着连接通路逐层传送并修正各层连接权值。对于给定的一组训练模式，不断用一个个训练模 式训练网络，重复前向传播和误差反向传播过程，使误差趋于减小。当各个训练模式都满足 【】 3 要求时，我们说BP 网络已学习好了 。 - 1 - y1 y2 yn … … 输出层 … … 隐层 输入层