基于BP神经网络–预测空气中PM2.5浓度
BP神经网络
BP神经网络包括输入层、隐藏层和输出层。BP神经网络示意图:
隐藏层的选取
H= sqrt(m + n) + a
H 为隐藏层的节点数,m为输入层的节点数,n为输出层的节点数,a为1-10之间的调节常数
正向传递过程
当输入一个样例后,获得该样例的特征值,再根据权向量得到感知器的输入值,然后使用激活函数sigmoid计算出每个感知器的输出,在将此输出作为下一层感知器的输入,以此类推。
BP神经网络使用梯度下降,通过反向传播过程来不断调整网络的权重和阈值,使误差平方和最小。
BP网络中每个神经元的映射关系如下:
对于隐藏层的第i个神经元的计算方法: