神经网络理论及应用实践 课件 3.5-标准BP算法实现.pptVIP

BTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIEBTBU-CIE神经网络理论及应用：BP算法实现主讲人：吴静珠北京工商大学计算机与人工智能学院BP学习算法：权值调整公式*BTBU-CIE*连续感知器δ规则BP算法实现:单样本训练*BTBU-CIE*(1)初始化；(4)计算各层误差信号；(5)调整各层权值；(6)检查是否对所有样本完成一次轮训；(7)检查网络总误差是否达到精度要求。(2)输入训练样本对X?Xp、d?dp计算各层输出；(3)计算网络输出误差；BP算法实现：批训练*BTBU-CIE*然后根据总误差计算各层的误差信号并调整权值。另一种方法是在所有样本输入之后，计算网络的总误差：net=newff(P,T,S)net=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)P：输入参数矩阵。(RxQ1)，其中Q1代表R元的输入向量，每列样本有R个属性。一般P需要归一化。T：目标参数矩阵。(SNxQ2)，Q2代表SN元的目标向量。S：N-1个隐