bp神经网络分类.pptxVIP

利用BP神经网络解决分类问题;1.1 BP网络介绍 1.2 BP网络模型 1.3 学习规划 1.4 网络程序设计 ;人工神经网络（Artificial Neural Networks，ANN）系统是?20?世纪?40?年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。 BP（Back Propagation）算法又称为误差反向传播算法，是人工神经网络中的一种监督式的学习算法。 BP神经网络算法基本的结构由非线性变化单元组成，具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许多领域都有着广泛的应用前景。;在人工神经网络的实际应用中，BP网络广泛应用于函数逼近、模式识别/分类、数据压缩等，80%~90%的人工神经网络模型是采用BP网络或它的变化形式。 BP网络也是前馈型神经网络的核心部分，体现了人工神经网络最精华的部分。 主要思想是从后向前（反向）逐层传播输出层的误差，以间接计算出隐层误差。故称为误差反向传播算法;BP算法分为两个部分： 第一部分（正向传播过程）输入信息从输入层经隐层逐层计算各单元的输出值 第二部分（反向传播过程）输出 误差逐层向前计算出隐层各单元 的误差，并用此误差修正前层权 值，最