多层感知器资料.pptVIP

二、多层前馈网络与BP算法 Perceptron是由单层神经元构成的神经网络，δ学习规则只适用于单层神经网络和线性可分的训练模式。 在Perceptron的基础上加入了隐含层，形成了多层前馈网络MFNN（Multilayer Feedforward NN），也有称其多层感知器（MLP，Multilayered Perceptron）。 其训练算法就是著名的误差反向传播算法（BP，Error Back Propagation）。 采用BP算法的MFNN是使用最广泛的神经网络，有时也称其为BP神经网络。 1. 多层前馈网络的结构 1）多层前馈网络的组成 全连接的网络，由输入层，隐含层，输出层组成 输入层：仅起信息传递作用，激活函数相当于恒等函数。 输出即为输入， 第一隐含层：由W(1)与输入层全连接。 第二隐含层：由W(2)与第一隐含层全连接。 激活函数： 输出层：由W(3)与第二隐含层全连接。激活函数可以是线性 函数或S函数。函数逼近多用线性函数。 2) 多层前馈网络的结构特点 （1）同一层神经元间无连接。 （2）相邻两层神经元之间全连接。 （3）信息传递有方向性。 前向计算时，由输入向输出逐层计算。 误差反向传播用以修正连接权时，