BP神经网络算法.pptVIP

感知器 罗森勃拉特(Rosenblatt)于1957年提出,把神经网络的研究从纯理论探讨引向了工程实践。 感知器是只有单层计算单元的前向神经网络,由线性阈值单元组成。 1）线性阈值单元 1 y = 0或-1 2) 单层感知器 只有输入层和输出层组成，输入层的每个处理单元均与输出层互连，层内各神经元无连接，网络无反馈。 3) 多层感知器(MLP) 在单层感知器的输入和输出层之间增加一个或多个隐层。可产生复杂的决策界面和任意的布尔函数。 前向多层神经网络也即多层感知器(MLP)，也叫BP网。BP(Back-Propagation)算法，是用于前向多层神经网络的反传学习算法，是目前应用最广泛且重要的训练前向神经网络的学习算法。 前向多层神经网络 前向多层神经网络 BP网 除输入，输出层外，还有一个或多个隐层。各层之间的神经元全互连，各层内的神经元无连接，网络无反馈。 节点的特性要求是可微的，通常选S型函数。 Sigmoid函数的特点： 连续可微 单调 取值在[0,1] B-P算法 学习的目的：对网络的连接权值进行调整，使得对任一输入都能得到所期望的输出。 学习的方法：用一组训练样本对网络进行训练，其中每一个样例都包括输入及期望的输出两部分。 应用：对待识别的样本进行模式识别。