BP神经网络的C++实现及讨论.PDF

维普资讯 第 3 期 微 机 发 展 Vd．13 No．7 2003年 7月 MicrocomputerDevelopment july2003 BP神经网络的C++实现及讨论 邓 静 ，马传松，李振坤 (广东工业大学 计算机学院，广东 广州 510090) 摘 要：通过 C++构造出一个五层的BP神经网络，在满足相对误差要求的情况下，实现了指定样本函数的功能。并针对 学习效率和权系数修正常数对算法做了改进，有效地加快了收敛速度。最后讨论了当样本函数中 y值非[O，1]区问时，样 本的归一化问题 。 关t词：BP神经网络；样本；权系数；学习效率；归一化 中圈分类号：TP183 文献标识码 ：A 文章编号：1Oo5—3751(2003)07—0093—04 DiscussionandImplementationforBPNeuralNetwork、】I，ithC++ DENGJing。MA Chuan-song，LIZh朗一klm (sch．ofCamp．Sci．，GuangdongUniv．of ．，Gu~gzlxm510090，China) Albr曩Ict：ConstituteasketchoffivelayersBPnetllnetworkwhichfulfilsthe~iguedpatternftmedonwhiletherelative唧 issatb- fled．Improvesthelearningrateandweightcoefficientofthearithmetic．Theimprovementsalsob血 fasterconvergencespeed·Atlast thenormalizationaboutpatternwhnethevalueof yisOUtof [0，1]． Keywords：BPneural networks；pattern；wegihtcoefficinet；learningrate；normalization O 引 言 小于给定值为止[。前向传播的过程按③式进行，反向 BP(BackPropagation)神经网络又称为多层前馈神经 传播过程按④、⑤进行。 网络，是人工神经网络中比较成熟的一种方法，使用无反 馈的多层前向网络拓扑结构，BP算法也称反向传播算法。 这种神经网络模型的特点是：各层神经元仅与相邻层神经 元之间有连接；各层内神经元之间无任何连接；各层神经 元之间元反馈连接…。 1 BP神经网络模型及其 C++实现 1．1 liP神经网络模型 输人层 曩层 ■出层 BP神经网络由多个网络层构成，其中包括一个输入 图 1 BP神经网络拓扑结构图 层、一个或几个中间层(隐层)、一个输出层，相邻两层各神 每个神经元数学模型[3】如图2所示。 经元相互联系，同层神经元之间不存在相互连接 2【J。文中 其中：l，z2，…， 是神经元的输入 采用 1—4—4—3—1，五层模型(如图1所示)。BP网络的 是i神经元的阈值 学习过程由前向传播和反向传播组成，在前向传播过程 Wl，硼2，…， 是权系数 中，输入模式经输入层、隐层逐层处理，并传向输出层 ，如 果在输出层不能得到期望的输出，则转入反向传播过程， 将误差值沿连接通路逐层反向传送，并修正各层连接权 值。对于给定的一组训练模式，不断用一个训练模式训练 网络，重