【2017年整理】神经网络——BP算法.pptVIP

第7章  7.2 典型神经网络--BP 反向传播网络 Back—Propagation Network，由于其权值的调整采用反向传播（Backpropagation）的学习算法，因此被称为BP网络。 BP网络 是一种单向传播的多层前向网络 其神经元的变换函数是S型函数，因此输出量为0到1之间的连续量 它可以对非线性可微分函数进行权值训练，从而实现输入到输出的任意的非线性映射。 网络中心思想是梯度下降法 通过梯度搜索技术，使网络实际输出值与期望输出值的误差均方值最小。 网络的学习过程是一种误差边向后传播边修正权系数的过程 7.2.2 BP网络结构 BP网络特点 是多层网络，包括输入层、隐层和输出层 层与层之间采用全互连方式，同一层神经元之间不连接 权值通过学习算法进行调节 神经元激发函数为S函数 层与层的连接是单向的，信息传播是双向的 BP学习规则 BP算法属于δ算法，是一种监督式的学习算法。 其主要思想为： 对于q个输入学习样本： P1，P2，……Pq， 已知与其对应的输出样本为： T1，T2，……Tq。 学习的目的： 是用网络的实际输出A1，A2，……Aq与目标矢量T1，T2，……Tq