数模智能算法-BP神经网络基本原理简介.pptxVIP

数模智能算法：BP神经网络基本原理简介;;“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经神经系统对真实世界物体所作出的交互反应”。 人工神经网络(ANN)具有自学习、自组织、较好的容错性和优良的非线性逼近能力。 在实际应用中，80%～90%的人工神经网络模型是采用误差反传算法或其变化形式的网络模型。;;三.神经网络模型和网络结构;四、建立和应用神经网络的步骤;神经元;神经元;神经元信息传递;作为神经网络的基本元素，神经元的模型如下： ;若用X表示输入向量，用W表示权重向量： 则;激活函数是对净激活量与输出进行映射的函数。一些常用的激活函数,由于输入数据与期望值之间可能并不是量级一样，所以需要激活。 线性函数 S形函数 阈值函数 双极S形函数 ;S形和双极S形函数图像为：;根据网络中神经元的互联方式的不同，网络模型分为： 前馈神经网络 只在训练过程会有反馈信号，而在分类过程中数据只能向前传送，直到到达输出层，层间没有向后的反馈信号 反馈神经网络 从输出到输入具有反馈连接的神经网络，其结构比前馈网络要复杂得多 自组织网络 通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。;前馈神经网络;神经网络的工作状态分为学习和工作两种状态 学习 利用学习算法来调整神经元间的连接权重，使得