《3前馈神经网络-续2fanhua.pptVIP

* 3.4.4 多层前馈网络的主要能力 多层前馈网络是目前应用最多的神经网络，这主要归结于基于BP算法的多层前馈网络具有一些重要能力： (1)非线性映射能力 能学习和存储大量输入——输出模式映射关系，无需事先了解映射关系的数学方程。只要能提供足够多的样本模式对，供BP网络进行学习训练，便可实现由n输入维空间到m维输出空间的非线性映射。 在工程及许多技术领域中，系统累计大量输入——输出数据，但对系统内部规律难以掌握，无法用数学及其他理论方法来描述规律。对其进行模式识别或非线性映射，BP网络优势无可比拟。 (2)泛化能力 网络训练后，将所提取样本对中的非线性映射关系存储在权值矩阵中，在网络工作阶段，当向网络输入未曾见过的非样本数据时，网络也能完成由输入向输出的正确映射，这称网络泛化能力。BP网络可以实现良好的泛化能力。泛化能力是衡量多层前馈网性能优劣的重要评价内容。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. (3)容错能力 允许输入样本中带有较大的误差甚至个别错误，网络仍可实现正确映射。 因为对权矩阵的调整过程，是从大量的样本对中提