BP神经网络基本原理简介_第1页
BP神经网络基本原理简介_第2页
BP神经网络基本原理简介_第3页
BP神经网络基本原理简介_第4页
BP神经网络基本原理简介_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

BP神经网络基本原理简介智能优化算法课程展示人工神经网络基本原理简介x1o1输出层隐藏层输入层x2o2omxn…………一个神经网络的典型结构：人工神经网络基本原理简介人工神经元的模型激活函数网络模型工作方式人工神经元的模型作为神经网络的基本元素，神经元的模型如下：x1~xn是从其他神经元传来的输入信号wij表示表示从神经元j到神经元i的连接权值θ表示一个阈值(threshold)，或称为偏置(bias)。人工神经元的模型若用X表示输入向量，用W表示权重向量：则神经元的输出与输入的关系为：净激活量激活函数激活函数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线性函数 S形函数阈值函数双极S形函数激活函数S形和双极S形函数图像为：

S形和双极S形函数的导函数均为连续函数。网络模型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。网络模型前馈神经网络反馈神经网络自组织网络工作状态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，使得网络输出更符合实际工作神经元间的连接权值不变，可以作为分类器或者预测数据之用。工作状态学习分为有导师学习与无导师学习有导师学习将一组训练集送入网络，根据网络的实际输出与期望输出间的差别来调整连接权例如：BP算法无导师学习抽取样本集合中蕴含的统计特性，并以神经元之间的联接权的形式存于网络中。例如：Hebb学习率BP算法(BackPropagation)采用BP学习算法的前馈神经网络称为BP神经网络BP算法(BackPropagation)BP算法基本原理利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其他各层的误差估计。信号的正向传播&误差的反向传播BP算法(BackPropagation)正向传播：输入样本－－－输入层－－－各隐层－－－输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出不符误差反

人人文库> 全部分类> 专业文献 > 医学资料

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论