神经网络详细介绍及实例分析说明讲解教学教材.pptVIP

汇报人：李向南 BP神经网络详述及应用分析 基本思想 学习算法 实例分析 网络模型 1 2 3 4 基本思想 1 BP神经网络 BP算法的基本思想：学习过程由信号的正向传播与误差的反向传播两个过程组成。 输入信号由输入层经过隐含层传向输出层，在输出层产生 输出信号，这是工作信号的正向传播。在信号的向前传 递过程中各层的权值是固定不变的。每一层神经元的状态 只影响到下一层神经元的状态。如果在输出层得到实际 输出不同于期望输出，则转入误差信号反向传播。 网络的实际输出与期望输出之间的差值即为误差信号。误差 信号由输出层逐层向前传播，这是误差信号的反向传播。在 反向传播过程中，网络的权值由误差反馈进行调节，通过权 值的不断修正使得网络的实际输出更加接近期望输出。 工作信号的正向传播和误差信号的反向传播的各层权值调节过程，是周而复始进行的。权值不断调节的过程也是网络的学习训练过程。直到网络输出误差减小到可接受的范围内，或者迭代次数达到预定的次数为止。 网络模型 2 BP神经网络 一般将单隐层前馈网称为三层前馈网，即包括输入层、隐含层、输出层。 网络模型 2 BP神经网络 输入层输入向量： 隐含层各神经元输入： 隐含层各神经元输出： (j = 1,2,...,m),net j 表示隐含层第j个神经元的输入 y j表示隐含层第j个神经元的输出 (k= 1,2,...,l),n