基于神经网络的智能控制系统.pptVIP

* 智能控制理论及其应用 信息学院·尤富强 4.4 几种典型的神经网络 按照神经网络的拓扑结构与学习算法相结合的方法可将神经网络的类型分为前馈网络、竞争网络、反馈网络和随机网络四大类。 4.4.1 BP神经网络 1986年，D. E. Rumelhart和J. L. McClelland提出了一种利用误差反向传播训练算法的神经网络，简称BP(Back Propagation)网络，是一种有隐含层的多层前馈网络，系统地解决了多层网络中隐含单元连接权的学习问题。 (1) BP算法原理 BP学习算法的基本原理是梯度最速下降法，它的中心思想是调整权值使网络总误差最小。 4.4 几种典型的神经网络 (1) BP算法原理 多层网络运用BP学习算法时，实际上包含了正向和反向传播两个阶段。在正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望输出，则转入反向传播，将误差信号沿原来的连接通道返回，通过修改各层神经元的权值，使误差信号最小。 这种网络没有反馈存在，实际运行仍是单向的，所以不能将其看成是一非线性动力学系统，而只是一种非线性映射关系。具有隐含层BP网络的结构如图4-9所示。 （1）BP算法原理 图4-9 B