BP神经网络算法步骤.pdfVIP

传统的 BP算法简述 BP算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算 法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当 网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。具体步骤 如下： （1）初始化，随机给定各连接权 [w],[v] 及阀值 θi ，rt 。 （2 ）由给定的输入输出模式对计算隐层、输出层各单元输出 （3 ）计算新的连接权及阀值，计算公式如下： （4 ）选取下一个输入模式对返回第 2 步反复训练直到网络设输出误差达到要求结束 训练。 第一步，网络初始化 给各连接权值分别赋一个区间（ -1 ，1）内的随机数，设定误差函数 e，给定计算精度值和 最大学习次数 M。 第二步 , 随机选取第 k 个输入样本及对应期望输出 第三步，计算隐含层各神经元的输入和输出 第四步，利用网络期望输出和实际输出，计算误差函数对输出层的各神经元的偏导数 o (k )a 第五步，利用隐含层到输出层的连接权值、 输出层的 o ( k) 和隐含层的输出计算误差函数对 隐含层各神经元的偏导数 h ( k) 第六步，利用输出层各神经元的 o (k) 和隐含层各神经元的输出来修正连接权值 who (k ) 第七步，利用隐含层各神经元的 h ( k) 和输入层各神经元的输入修正连接权。 1 m q 2 第八步，计算全局误差 E (d (k ) y (k)) o o 2m k 1 o 1 第九步，判断网络误差是否满足要求。当误差达到预设精度或学习次数大于设定的最大次 数，则结束算法。否则，选取下一个学习样本及对应的期望输出，返回到第三步，进入下 一轮学习。