S训练的即神经网络.PDFVIP

中山大学硕 卜学位论文 第4章 摧于粒子群算法(Ps)o训练的即神经网络 第4章 基于粒子群算法(POS)训练的即神经网络 研究PSO改进算法的性能与应用是Pos改进算法的主要目的。为验证本文 提出的POS改进算法()1和PSO改进算法()2的有效性，本章将基本POS算法， PSO改进算法()1和PSO改进算法()2应用于BP神经网络的权值训练。 4.1三层前馈神经网络及BP算法2311 4.1.1三层前馈神经网络 人1神经网络(Artificia1Neura1Net，orks，简称神经网络NN)是在现代 神经科学的基础上提出来的，人工神经网络 A(NN) 在一定程度上模拟了人脑的 组织结构，试图通过模拟人脑神经网络处理信息的方式，来获得具有人脑那样的 信息处理能力。前馈神经网络是指在网络中各神经元之间的连接是单向的，而且 总是指向网络输出方向的神经网络。典型的前馈网络有感知器，自适应线性元件， 反向传播网络和径向基网络等。多层前馈神经网络(Multi一LayreFeedofwrrad Neura1Newtroks，简称MFNN) 具有分层结构，由多层神经元组成，是目前应用 最广泛，最成熟的一种网络结构，而其中以三层前馈神经网络最具代表性。 一个三层前馈神经网络由输入层、隐含层、和输出层组成，各层包含一个 或多个神经元 (称为节点)，相邻层节点互连，非相邻层的节点互不相连，同层 节点也互不相连，并且各节点之间没有反馈。信息由输入层向隐含层传递，直 至输出层。每个节点以加权和形式综合它的全部输入，并根据非线性激励函数 产生相应的输出。网络各层节点的输入一输出映射关系可描述为: 歼拼‘’ l(.1，2，3) (4一1) 1一，一口11 「一‘舟犷‘夕 其中:夕Ij为第1层第1个节点的输出值;vl为‘第1层第1个节点的激励值;斌ji为