从后向前逐层更新网络的参数集合。
求解优化问题: 其中:
BP的改进:可以通过改进连接方式、改进训练样本、改进损失函数、改进学习速率进行优化。
改进连接方式:稀疏局部连接策略和权重共享策略。
改进训练样本:规范化训练样本、适当扰动训练样本。
改进损失函数:改进前馈网络整体损失函数
改进学习速率:增加动量项和陡度因子和可变学习速率的策略。
算法缺点:
1 训练过程中容易过拟合,不可避免地存在局部最小值问题,优化的非线性函数越复杂,存在的局部最小点就越多,优化算法很有可能就直接收敛到局部最小点。
2 在多隐层的前馈网络中,误差梯度反向从后向前传播,前隐层网络参数更新量小,更新缓慢,优化过程非常缓慢。
3 由于超参数的设置多样化,训练过程存在不稳定性。
4 BP算法使用的前馈网络在设计结构时缺乏统一而完整的理论指导。