接下来的几篇博客主要介绍BP神经网络在核素识别中的应用,本篇内容先介绍BP神经网络。
BP神经网络简单理解
引言
BP神经网络(Back-Propagation Neural Network),顾名思义就是反向传播的神经网络。这里提一点,基于反向传播的神经网络,例如CNN,RNN等,都属于全连接神经网络(Fully Connected Neural Network)。关于全连接神经网络可以参考这一篇博客:添加链接描述
假定认为一个传播需要三个要素:发出信号者,传播内容以及接受者,而BP神经网络的反向传播可以拆分理解为:发出信号者:神经网络系统,传播内容是:误差,接受者是:输出值。
因此,整个BP神经网络大致可以理解为,在训练神经网络过程中,系统会产生一定的误差,而误差怎么体现出来?在不断的循环过程中,系统将误差返回到输出值,误差被用来调整各个神经元的权重,也就是不断利用误差反馈来学习。
神经网络结构
神经网络的结构,可以用下面这个图来表示:
主要包含三个部分:输入层,隐层,输出层。输入层与输出层之间是通过隐层连接起来的,在这里我们可以思考一下,如果我们输入层数据不变的情况下,改变隐层参数,输出的结果会不会改变呢?
set(0,‘defaultfigurecolor’,‘w’)