一、概述
BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念,是一种按照误差逆向传播算法训练的多层前馈神经网络,是目前应用最广泛的神经网络。
二、训练过程
网络结构:前馈过程
1、设网络输入为x,则隐含层第j个结点的输入为:
网络输出层第k个结点的输入为:
因此,网络输出层第k个结点的输出为:
2、训练过程
假设N个样本在网络中的总误差为:
其中 表示第n个样本对应标签的第k维, 表示第n个样本在网络输
出的第k维。在多类分类问题中,输出一般组织为“one-of-c”的形式。
如果考虑随机梯度下降,则单个样本的误差为:
网络学习的目的是根据训练数据的误差E对于各个参数的梯度,求解
参数调整量:
其中输出层权重调整量:
输出层阈值调整:
回顾E, netk, yk的定义
可得: