BP神经网络算法步骤.docVIP

BP神经网络算法步骤 传统的BP算法简述 BP算法是一种有督查式的学习算法，其主要思想是：输入学习 样本，使用反向流传算法对网络的权值和误差进行屡次的调整训练， 使输出的向量与希望向量尽可能地凑近，当网络输出层的误差xx小于指定的误差时训练完成，保存网络的权值和误差。详尽步骤以下： 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，计算公式以下： 4）采用下一个输入模式对返回第2步屡次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,随机采用第k个输入样本及对应希望输出 do(k)d1(k),d2(k),,dq(k) x(k)x1(k),x2(k),,xn(k) 第三步，计算隐含层各神经元的输入和输出 BP神经网络算法步骤 第四步，利用网络希望输出和实质输出，计算误差函数对输出层的各神经元的偏导数 第五步，利用隐含层到输出层的连接权值、输出层的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 第六步，利用输出层各神经元的和隐含层各神经元的输出来xx 连接权值 第七步，利用隐含层各神经元的和输入层各神经元的输入接权。  xx连 第八步，计算全局误差 第九步，判断网络误差可