BP算法的原理范文

合集下载
相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

BP算法的原理范文

一、BP神经网络算法原理

BP(Back Propagation)神经网络,又称为反向传播算法,是由Rumelhart,Hinton及William的1986年提出的,它是一种按误差逆传

播算法,即从输出层往输入层传播,它是一种多层前馈神经网络,它可以

解决分类问题和回归问题。BP算法是一个多层神经网络中的一种连接方法,它以输出层接收的信息为基础,以反向传播的方式不断更新隐层权值,使得网络的输出值更加精确。

BP神经网络的结构为三层网络,输入层、隐层(可有多个)和输出层。输入层是网络的输入,它一般由n个神经元组成;隐层一般有若干层,每

一层包含m个神经元,这些神经元与输入层的神经元直接连接,它们的输

出将作为下一层的输入;输出层也是网络的输出,它由k个神经元组成。

BP神经网络的训练主要是通过反向传播算法,它以输出层接收的信

息作为基础来更新其他层的权值。反向传播算法的原理是:系统的输出误

差及网络内参数的偏导数组成系统的误差函数,通过该误差函数与梯度下

降法,来调整每一层的权值,以实现最小误差的效果。

具体步骤如下:

1. 设定训练轮数epoch,以及学习率learning rate

2.输入训练样本,将其向量化,分别输入到输入层。

相关文档
最新文档