神经网络-6 BP网络 wu.pptVIP

史忠植 高级人工智能 人工神经网络及其应用第6章 BP神经网络 内容安排 一、内容回顾 二、BP网络 三、网络设计 四、改进BP网络 五、内容小结 一、内容回顾 一、内容回顾 一、内容回顾 二、BP网络 2.1 BP神经网络 2.1 BP神经网络 BP网络主要用于下述方面 函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近一个函数 模式识别和分类：用一个特定的输出矢量将它与输入矢量联系起来；把输入矢量以所定义的合适方式进行分类； 数据压缩：减少输出矢量维数以便于传输或存储 具有较强泛化性能：使网络平滑地学习函数，使网络能够合理地响应被训练以外的输入 泛化性能只对被训练的输入／输出在最大值范围内的数据有效，即网络具有内插值特性，不具有外插值性。超出最大训练值的输入必将产生大的输出误差 2.2 网络模型 2.1 网络模型 感知器和自适应线性元件的主要差别在激活函数上：前者是二值型的，后者是线性的 BP网络具有一层或多层隐含层，除了在多层网络上与前面已介绍过的模型有不同外，其主要差别也表现在激活函数上。 BP网络的激活函数必须是处处可微的，因此它不能采用二值型的阀值函数{0，1}或符号函数 {－1，1} BP网络经常使用的是S型的对数或正切激活函数和线性函数