智能控制简明教程第4章神经网络基础BP算法）.pptVIP

智能控制简明教程第2版智能控制简明教程第2版智能控制简明教程第2版4.4前馈神经网络1986年,Rumelhart和McClelland提出多层前馈网络（MFNW-MultilayerFeedforwardNeuralNetworks）的训练算法.误差反向传播（ErrorBackPropagation——EBP）是一种有导师学习，目前成为应用最广泛的一种网络，有80%左右NN应用BP算法，还提出了一些改进算法。智能控制简明教程第2版1.网络结构多层前馈网络结构如图所示，X、Y分别是输入/出向量，每一个神经元用一个节点表示，网络由输入层,隐层和输出层节点组成，隐层可一层，也可以是多层，图中是单隐层，前层至后层节点通过权连接。常用BP算法.这种网络结构简单，工作状态稳定，且易于硬件实现，且具有很强的非线性映射能力。智能控制简明教程第2版2.BP网络基本思想：BP学习算法：正向传播+反向传播智能控制简明教程第2版正向传播：模式样本作用于输入层，经隐层传向输出层，若在输出层得到了期望的输出，则学习算法结束；否则反传。反向传播：将输出误差按梯度下降法通过隐层向输入层返回，并调整各层神经元的权值与阈值，使误差不断减少。智能控制简明教程第2版智能控制简明教程第2版①正向传播智能控制简明教