第六、七、八章+人工神.pptVIP

则 输出层神经元的输出： * 网络第 个输出与相应理想输出 的误差为： 第p个样本的误差性能指标函数为： 其中N为网络输出层神经元的个数。 * （2）反向传播：采用梯度下降法，调整各层间的权值。权值的学习算法如下： 输出层及隐层的连接权值 学习算法为： * 其中 隐层及输入层连接权值 学习算法为： * 如果考虑上次权值对本次权值变化的影响，需要加入动量因子 ，此时的权值为： 其中 为学习速率， 为动量因子。 * * 5.4 BP网络的优缺点 BP网络的优点为： （1）只要有足够多的隐层和隐层节点，BP网络可以逼近任意的非线性映射关系； （2）BP网络的学习算法属于全局逼近算法，具有较强的泛化能力。泛化能力指根据有限样本得到的网络模型对其他变量域也有良好的预测能力. 它与鲁棒性有一定的联系的.泛化能力好的网络设计的神经网络控制器的鲁棒性也会有所改善. （3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中，个别神经元的损坏只对输入输出关系有较小的影响，因而BP网络具有较好的容错性。 * BP网络的主要缺点为： （1）待寻优的参数多，收敛速度慢； （2）目标函数存在多个极值点，按梯度下降法进行学习，很容易陷入局部极小值； （3）难以确定隐层及隐层节点的数目。目前，如何