深度学习当中传播.docxVIP

  • 7
  • 0
  • 约4.57千字
  • 约 14页
  • 2018-06-29 发布于上海
  • 举报
1、后向传播算法后向传播(Back—PropagationNetwork,简称BP网络)是一种神经网络学习算法。? 神经网络最早是由心理学家和神经学家开创的,旨在寻求开发和检验神经的计算模拟。粗略地说,神经网络是一组连接的输入/输出单元,其中每个连接都与一个权重相关联。在学习阶段,通过调整这些权重,使得它能够正确预测输入样本的类标号。? 神经网络的缺点:? (1)需要很长的训练时间, 因而对于有足够长训练时间的应用更合适;? (2)它需要大量的参数,这些通常主要靠经验决定,如网络拓扑或“结构”;? (3)可解释性差。例如,人们很难解释网络中学习的权重和“隐藏单元”的符号含义。? 神经网络的优点:? (1)对噪声数据的高承受能力? (2)对未经训练的数据的模式分类能力2、多层前馈神经网络? 后向传播算法在多层前馈神经网络上学习。它迭代地学习用于元组类标号预测的一组权重。? 多层前馈神经网络有一个输入层、一个或多个隐藏层和一个输出层组成。? 例子:? 每层有一些单元组成。输入层的单元称作输入单元。隐藏层和输出层的单元称作神经结点或输出单元。上图所示的多层神经网络具有两层输出单元。因此,我们称之为两层神经网络(不计算输入层,因为它只用来传递输入值到下一层)。类似地,包含两个隐藏层的网络称作三层神经网络等。? 网络是前馈的,因为其权重都不回送到输入单元,或前一层的输出单元。网络是全连接的,

文档评论(0)

1亿VIP精品文档

相关文档