人工神经网络 第3章 多层前向网络及BP学习算法PPT学习课件.pptVIP

⑤ 多层感知器是对非线性映射的全局逼近，而RBF网络使用局部指数衰减的非线性函数（如高斯函数）对非线性输入输出映射进行局部逼近。这也意味着，逼近非线性输入输出映射，要达到相同的精度，RBF网络所需要的参数要比多层感知器少得多。 3.4 仿真实例 【例3.1】试用多层感知器解决异或问题 BP学习算法步骤 第一步：设置变量和参量 第二步：初始化，赋给WMI (0), WIJ (0), WJP (0),各一个较小的随机非零值 第三步：随机输入样本Xk ，n=0。 第四步：对输入样本Xk ，前向计算BP网络每层神经元的输入信号u和输出信号v 第五步：由期望输出dk和上一步求得的实际输出 Yk (n)计算误差E(n)，判断其是否满足要求，若满足转至第八步；不满足转至第六步。 BP学习算法步骤（续） 第六步：判断n+1是否大于最大迭代次数，若大于转至第八步，若不大于，对输入样本Xk ，反向计算每层神经元的局部梯度 第七步：计算权值修正量，修正权值；n=n+1，转至第四步 第八步：判断