MATLAB神经网络分析及应用 课件 5BP神经网络分析与应用.pptxVIP

第5章

BP神经网络分析与应用

5.1BP神经网络原理

BP网络（BackPropagation）是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的

神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射

关系的数学方程。

层与层之间有两种信号在流通。一种是工作信号（用实线表示），它是施加输入信号后向前传播直

到在输出端产生实际输出的信号，是输入和权值的函数。另一种是误差信号（用虚线表示），网络实际

输出与期望输出间的差值即为误差，它由输出端开始逐层向后传播。

BP网络的学习过程由前向计算过程和误差反向传播过程组成。在前向计算过程中，输入量从输入层

经隐藏层逐层计算，并传向输出层，每层神经元的状态只影响下一层神经元的状态。如输出层不能得到

期望的输出，则转入误差反向传播过程，误差信号沿原来的连接通路返回，逐次调整网络各层的权值和

阈值，直至到达输入层，再重复计算。

这两个过程一次反复进行，不断调整各层的权值和阈值，使得网络误差最小或达到人们所期望的要

求时，学习过程结束。

BP算法因其简单、易地、计算量小、并行性强等优点，目前是神经网络训练采用最多也是最成熟的

训练算法之一。其算法的实质是求解误差函数的最小值问题，由于它采用