BP误差公式推导完全解析精选.pptVIP

* * * 可以看出，BP学习算法中，各层权值调整公式形式上都是一样的，均由3个因素决定，即：学习率η、本层输出的误差信号δ以及本层输入信号Y(或X)。其中输出层误差信号与网络的期望输出与实际输出之差有关，直接反映了输出误差，而各隐层的误差信号与前面各层的误差信号都有关，是从输出层开始逐层反传过来的。 * * 误差反传（BP）算法 人工神经网络 第二组 * BP算法描述及推导－主要内容 引言 BP学习算法描述 BP算法推导 * 引言－－BP算法的提出 提高网络性能（如分类能力）的有效途径 包含隐层的多层前馈网络 长期以来没有提出解决权值调整问题的有效算法。 BP (Error Back Proragation，BP)算法 1986年，Rumelhart 和McCelland领导的科学家小组《Parallel Distributed Processing》一书 应用对象：多层前馈网络 具有非线性连续转移函数 BP网络的标准学习算法 学习的过程： 神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。 学习的本质： 对各连接权值的动态调整 学习规则： 权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。 BP网络的标准学习算法-算法思想 学习的类型：有导师学习 核心思想： 将输出