神经网络-四章bp.pptVIP

神经网络原理 第4章 反向传播网络 反向传播网络也称为BP (Back Propagation) 网络，采用推广的W-H学习规则-BP算法 BP网络的主要用途： 函数逼近 模式识别 分类 数据压缩： 在人工神经网络的实际应用中，80%~90%的网络模型都是BP网络及其变化形式。 1 BP网络模型与结构 BP网络模型 1 BP网络模型与结构 ▲ BP网络的激活函数一定要可微 多数情况下，隐层为S型，输出层为线性。 输入与输出关系要求：非线性、光滑、取值连续，分类精确 ▲ 网络误差测定 第p个样本的误差测度 网络关于整个样本集的误差测度 1 BP网络模型与结构 权值与偏差： 隐层 输出层 1 BP网络模型与结构 一组输入与输出 多组输入与输出 1 BP网络模型与结构 关系表达式： 1.输入向量、输出向量的维数、网络隐藏层的层数和 各个隐藏层神经元的个数的决定。 2. BP网很多都选用二级网络。 2 BP学习规则 是有指导训练的前馈多层网络训练算法，靠调节各层的加权，使网络学会由输入输出对组成的训练组。 类似于感知器中线性单元和非线性单元的训练算法，执行优化的基本方法是梯度下降法。 求多元函数的U(x1,x2,…