神经网络理论及应用(第四章a).ppt

神经网络原理及应用 林述温 2008年9月 早在1974年Web提出BP学习理论，1985年发展 了BP网络学习算法，网络不仅有输入层神经 元，输出层神经元，而且有隐含层神经元（可 以一层或多层）。 BP网络模型与结构 : 对于输入信号，要先向前传播到隐含层，经过 作用函数后，再把隐含神经元的输出信息传播 到输出神经元，最后输出结果。 BP网络主要用于： 1) 函数逼近：用输入矢量和相应的输出矢量训练一个网络，逼近一个函数； 2) 模式识别：用一个特定的输出矢量，将它与输入矢量联系起来； 3)分类：把输入矢量以所定义的合适方式进行 分类； 4)数据压缩：减少输出矢量维数，以便于传输 或存储。 称之为S型函数，输出量为0到1（或-1和+1）之间的连续量，它可以实现从输入到输出的任意的非线性映射。 因为S型函数具有非线性放大系数功能，它可 以把输入从负无穷大到正无穷大的信号，变 换成0到1（或-1到l）之间输出，对较大的输 入信号，放大系数较小；而对较小的输入信 号，放大系数则较大，所以采用S型激活函数 可以去处理和逼近非线性的输入/输出关系。 只有当希望对网络的输出进行限制，如限制在0和1（或-1到+1）之间，那么在输出层应当包含S型作用函数；在一般情况下，均是在隐含层采用S型作用函数，而输出层采用线性作用函数。 BP网络模型与结构 : BP网络模型与结构 : (7)计算