反向传播网络.docVIP

反向传播网络原理及其应用 引言 反向传播网络（Back-Propagation Network,简称BP网络）是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。它是一种多层前向神经网络，包括输入层、隐层、输出层，其中隐层可以是一层，也可以是多层其神经元的变换函数是S型函数，因此输出量为0到1之间的连续量，它可以实现从输入到输出的任意非线性映射。。BPNN前后层之前实现全连接，每层神经元直接无连接。 2.用途及限制 BP网络主要用于： 1：函数逼近：用输入矢量和输出矢量训练一个网络逼近一个函数。 2：模式识别：用一个特定的输出矢量将它与输入矢量联系起来。 3：分类：把输入矢量以所定义的合适方式进行分类。 4：数据压缩：减少输出矢量维数以便于传输或存储。 BP网络的产生要归功于BP算法的获得。BP算法要属于δ算法。它是一种监督式的学习算法。它的主要思想是：对于q个输出学习样本：P1，P2，…，Pq，已知与其对应的输出样本是：T1，…，Tq。学习的目的是用网络的实际输出A1，…Aq与其目标矢量T1, …,Tq之间的误差来修改其权值，使使Ae,(e=l,2,…,q)与期望的Te尽可能地接近;；即：使网络输出层的误差平方和达到最小。它是通过连续不断地在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标的。每一次权值和偏差的变化都与网络误差的影响成正比，并