《模式识别-黄庆明》BP算法推算过程.docVIP

BP算法推算过程 当加入第k个输入时，隐蔽层h结点的输入加权和为： 相应点的输出： 同样，输出层j结点的输入加权和为： 相应点的输出： 这里，各结点的阈值等效为一个连接的加权θ w0h或w0j,这些连接由各结点连到具有固定值-1的偏置结点，其连接加权也是可调的，同其它加权一样参与调节过程。 误差函数为： 为了使误差函数最小，用梯度下降法求得最优的加权，权值先从输出层开始修正，然后依次修正前层权值，因此含有反传的含义。 根据梯度下降法，由隐蔽层到输出层的连接的加权调节量为： 其中为输出结点的误差信号： 1 对于输入层到隐蔽层结点连接的加权修正量Δwih，必须考虑将E W 对wih求导，因此利用分层链路法，有： 其中： 2 可以看出，式 1 和 2 具有相同的形式，所不同的是其误差值的定义，所以可定义BP算法对任意层的加权修正量的一般形式： 若每加入一个训练对所有加权调节一次，则可写成： 其中，下标o和in指相关连接的输出端点和输入端点，yin代表输入端点的实际输入，δo表示输出端点的误差，具体的含义由具体层决定，对于输出层由式 1 给出，对隐蔽层则由式 2 给出。 输出层可直接计算，于是误差值很容易得到。对前一隐蔽层没有直接给出目标值，不能直接计算，而需利用输出层的来计算： 因此，算出后，也就求出了。 如果前面还有隐蔽层，用再按上述方法计算和，以此类推，一直将输出误差δ一层一层推算到第一隐蔽层为止。各层的δ求得后，各层的加权调节量即可按上述公式求得。由于误差相当于由输出向输入反向传播，所以这种训练算法成为误差反传算法（BP算法）。