神经网络第2章-BP神经网络.ppt

* 第2章 BP神经网络 已经发展了数十上百种神经网络模型，应用最广泛的是误差反向传播算法(Back Propagation Algorithm，简称BP算法)，相应的网络称为BP网络。 由多层处理单元组成，每层神经元个数不同，通过样本自学习建立网络输入变量和输出变量之间的非线性映射关系。 §2-1 BP神经网络基本原理 BP网络一般由输入层、隐层和输出层组成，隐层可以为一层或多层，每层上的神经元称为节点或单元。 标准BP模型由3个神经元层次组成，如图2.1所示，输入层有L个处理单元，中间的隐层有M个处理单元，输出层有N个处理单元。 标准BP模型由3个神经元层次组成，如图2.1所示，输入层有L个处理单元，中间的隐层有M个处理单元，输出层有N个处理单元。 图2.1 三层BP神经网络 BP网络误差反向传播算法的基本思想 BP网络按照感知器的工作原理进行信息处理： (2-1) 式中　 为t时刻输出， 为输入向量的一个分量， 为t时刻第i个输入的加权，θ为阈值， 为作用函数。 感知器的学习规则为 (2-2) 式中η为学习率 ，d为期望输出(又称教师信号)， 为感知器的输出。 感知器通过不断调整权重，使得 对一切样本均保持不变时，学习过程就结束。 BP网络