BP神经网络不足与改进后应用.pptVIP

BP神经网络的不足及改进后的应用 主要内容 BP神经网络简介 BP学习算法的不足 两种BP学习算法的改进方法 基于改进BP神经网络的应用 1 BP神经网络简介 神经网络在实际应用中分为训练阶段和使用阶段 训练阶段，是使用适当的学习算法调整某种结构的网络的参数，使得被训练的网络能够对样本有很好的拟合作用。 BP神经网络也包括了训练和使用这两个阶段。它是前馈型神经网络，采用的是BP学习算法（后向传播学习算法）。 1 BP神经网络简介 BP神经网络（Back Propagation Feed-forward Neural Network），即后向传播学习的前馈型神经网络 前馈型网络结构：在处理样本的时候，前一层的输出即为下一层的输入 反向传播：通过比较输出层的实际输出和预期的结果得到误差，然后通过相关的误差方程式调整最后一个隐含层到输出层之间的网络权重，之后是隐含层之间权重的调整，直到输入层与第一隐含层之间的网络权重调整为止 1 BP神经网络简介 BP神经网络的训练过程 （误差后向传播学习算法） 2 BP学习算法的不足 理论上BP网络能够逼近任意非线性函数，但由于神经网络训练学习中许多参数的选择没有理论依据，使得实际中神经网络的应用具有局限性 2 BP学习算法的不足 BP算法存在局限性与缺点的主要原因是其本身存在很多不足之处，主要有： 学习过程收敛速度慢 所得到的网络容错能力差 误差