BP神经网络详解与实例例析.ppt

ipm= -1 , wim= (第i个神经元的阈值) （5） 注：由（1） 式，第i个神经元的输出可表示为 特别当f是线性函数时 （6） 图7 多层前馈网络 2．多层前馈网络 （l）输入层不计在层数之内，它有N0个神经元．设网络 共有L层；输出层为第L层；第 k层有Nk个神经元． 假设： (2) 设 表示第k层第i神经元所接收的信息 wk(i,j) 表示从第k-1层第j个元到第k层第i个元的权重， 表第k层第i个元的输出 （3）设层与层间的神经元都有信息交换（否则，可设它们之间的权重为零）；但同一层的神经元之间无信息传输． (4) 设信息传输的方向是从输入层到输出层方向；因此称为前向网络．没有反向传播信息． （5） 表示输入的第j个分量． 假设： 在上述假定下网络的输入输出关系可以表示为： （7） 其中表示第k层第i个元的阈值. 定理2 对于具有多个隐层的前馈神经网络；设激发函数为S 函数；且指标函数取 （8） （9） 则每个训练循环中按梯度下降时；其权重迭代公式为 （ 10 ） 表示第-1层第个元对第层第个元输入的第次迭代时的权重 其中 （11） （12） BP算法 Step1 选定学习的数据,p=1,…,P, 随机确定初始权矩阵W（0） Step2 用（10）式反向修正,直到用完所有学习数据.