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
[工学]模式识别九
第九讲
2007级本科生课程
模式识别
(Pattern Recognition)
武汉大学计算机学院
Email189.cn
第6章 神经网络
6.1 神经网络基本知识
6.2 感知器神经网络模型
6.3 BP神经网络模型
6.4 Hopfield神经网络模型(：*不要求)
6.3 BP神经网络模型
一.BP神经网络简介
1. 多层感知器
单层感知器网络只能解决线性可分问题。 在
单层感知器网络的输入层和输出层之间加入一层或
多层感知器单元(层中可以有多个感知器)作为隐含
层，就构成了多层感知器 (Multilayer
Perceptrons)。多层感知器可以解决线性不可分的
输入向量的分类问题。这种由输入层、隐含层和输
出层所构成的感知器神经网络就是多层前向神经网
络，BP神经网络是其中一种。
2. BP神经网络简介
BP神经网络是采用误差反向传播(Back
Propagation, BP)算法的多层前向网络，其中，神
经元的传输函数为S型函数，网络的输入和输出是一
种非线性映射关系。
BP算法的学习过程由结果正向传播和误差反向
传播组成。在正向传播过程中，输入模式从输入层
经隐含层逐层处理后，传送至输出层。每一层神经
元的状态只影响下一层神经元的状态。如果在输出
层得不到期望输出，那么就转为反向传播，把误差
信号沿原连接路径返回，并通过修改各层神经元的
权值，使误差减小。
二. BP神经网络模型
输入层 隐含层 输出层
x 1 y 1
x
2 y 2
x
n y m
图 BP神经网络模型
BP网络为多层前向神经网络。
层与层之间多采用全互连方式，但同一层的
节点之间不存在相互连接。
神经元传输函数是可微的，大多数设计者通
常都采用S型(Sigmoid)函数。
神经元neu(neuron) 的输入：
neu=b+x w +x w + …+x w
1 1 2 2 n n
神经元neu的输出：
1
y f (neu ) neu
1e
1
f (neu ) neu 2 (e neu )
(1e )
1eneu 1
(1eneu )2
1 1
1eneu
文档评论（0）