本博客所述BP神经网络,是本人研究总结的结果,希望对您有所帮助,当然,如果有需要,大家可以互相交流。
设计一个BP神经网络类,来实现一个BP神经网络。要求输入层节点数、隐层数、隐层节点数、输出层节点数、传递函数、算法等等可以由用户自主设定。
具体代码部分:http://blog.csdn.net/hjkhjk007/article/details/9010343
神经网络的基本原理
BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,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。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。
神经元模型
图3-1人工神经元的基本构成单元
图3-1 给出了一个具有n个输入的基本BP神经元模型结构。图中每一个输入被赋予一定的权值,求和后形成神经元传递函数的输入。
激活函数的作用是对该神经元所获得的网络输入进行变换,也可以称为激励函数或活化函数,如图(3-1