BP神经网络
BP神经网络从结构上讲有输入层、隐藏层、输出层;从本质上讲就是以网络误差平方为目标函数,采用梯度下降法来求取目标函数的最小值。
原理(即一次训练过程)
以含有一个隐藏层的BP神经网络为例:
图中每一个结点(小圆圈)都有不同的权值(一般为0-1之间的数字),权值用a表示,在公式中一般a有上下标,上标的0,1,2,…表示第几层,0层表示输入层,下标0,1,2,…则表示这一层的哪个位置的权值。而公式中W则表示权重,角标与上边类似。下一层的权值等于上一层的权值乘以相应的权重,有时候结果不是很理想就可以再加上一个偏置b。当然你会问这加乘加乘结果怎么保证在0-1之间呢?所以还需要一个这样的运算:
经过这样一个运算,我们就可以把任何一个有理数调整为0-1之