原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于BP神经网络的日医负荷预测
基于BP神经网络的日负荷预测
1 BP神经网络
1.1人工神经网络简介及基本问题
1.1.1人工神经网络
人工神经网络（Artificial Neural Networks ，即ANN）是一种采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络模型目前已有近40种，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构，神经网络模型可以分为反传网络是一种典型的前向网络。工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。
图1 BP网络拓扑结构
此外，网络中单个神经元的输入与输出之间的函数关系叫做激函数。 （1）
其中是当前的权值和阈值矩阵， 是当前误差函数的梯度，是学习速度。
下面以只含一个隐含层的三层BP网络为例，介绍B P算法的推导过程。
对该网络中的相关记号做如下约定：
输入层节点数为，隐含层节点数为，输出层节点数为。相应各层结点的编号为，，，，，；
输入层节点与隐含层各节点间的网络权值为，隐含层各节点的阈值为；隐含层节点与输出层各节点间的网络权值为，输出层各节点的阈值为；
表示输入层第个输入（或输出），表示隐含层第个输出，表示输出层第个输出；
为输出层对应节点的期望值。
则模型的推导过程如下：
隐含层节点的输出为：
（2）
其中
（3）
输出节点的计算输出为：
（4）
其中
（5）
输出节点的误差为：
（6）
误差函数对输出节点求导
（7）
式中，E是多个的函数。但有一个与有关，各间相互独立，其中
（8）
（9）
则：
（10）
设输入节点误差为：
（11）
则：
（12）
2）误差函数对隐层节点求导
（13）
E是多个的函数，针对某一个，对应一个，它与所有有关，其中
（14）
（15）
（16）
则：
（17）
设隐层节点误差为：
（18）
则：
（19）
由于权值的修正，正比于误差函数沿梯度下降，则有：
（20）
（21）
（22）
（23）
（24）
（25）
其中，隐层节点误差中的表示输出节点的误差通过权值向节点反向传播成为隐层节点的误差。
3）阈值的修正
阈值也是变化值，在修正权值的同时也需要修正，原理同权值修正一样。误差函数对输出节点阈值求导
（26）
其中
（27）
（28）
则：
（29）
阈值修正：
（30）
（31）
误差函数对隐层节点阈值求导
（32）
其中
文档评论（0）