第9章人工神经络.pptVIP

而其中的 所以， 最速下降法，要求E的极小点 Wij=表示第k-1层神经元i与第k层第j个神经元j之间的连接权重。 netj表示第k层神经元j的总输入 Oi表示第k-1层神经元的输出 令 所以Δwij=αδjoi α为学习率 每次训练时，为已知 要确定ΔWij 关键是确定此值 问题转化成如何求得网络中各神经元j的 情况1：ANj为输出层神经元 oj=f(netj) 容易得到 从而 的问题转化成确定 所以， 故，当ANj为输出层的神经元时，它对应的联接权wij应该按照下列公式进行调整： 情况2：ANj为隐藏层神经元 函数 而 其中，Ok是Oj（隐含层神经元j的输出）的函数。 netk= oj … o2 o1 oHh netk是 oj下一级的神经元的网络输入 j神经元的输出为K层的输入，即K为j神经元所在层的下一层。 所以， 而 于是， 或 于是 也就是说，对于隐含层H的神经元j来说，将所有与之相连的输出神经元（或者是下一层的隐含层的神经元）k输出端的误差乘以对应的权值wjk，并求和，作为隐含层神经元j的输出误差。所以这个过程也成为“误差反向传播”。 图9.11 B-P学习算法的流程图 B-P算法的优缺点： 优点：理论基础牢固，推导过程严谨，物理概念清晰，通用性好等。所以，它是目前用来训练前向多层网络较好的算法。 缺点： （1）该学习算法的收敛速度慢；（2）网络中隐节