BP神经网络算法

 

BP神经网络算法原理

BP神经网络算法步骤

BP神经网络算法数学公式

---

BP神经网络算法原理

BP神经网络算法是一种神经网络学习算法[4]，其原理是在梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输出值的误差均方差为最小。其优点在于泛化能力、自学习和自适应能力强，及特别适合于求解内部机制复杂的问题。

BP神经网络算法步骤

BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；

第二阶段是反向传播，从输出层到隐层，最后到输入层，依次调节隐层到输出层的权重和偏置，输入层到隐层的权重和偏置。

首先，初始化权重，将样本模式计数器n和训练次数计数器设置为1，误差E设置为0，其次是输入样本并计算输出和误差，接着根据误差调制各层的权值，当网络训练后达到精度（设为一个较小的正数）。结束神经网络参数训练。

BP神经网络算法数学公式

以输入层、隐层和输出层的节点数分别为3、4、4为例。

输入层到隐层的激励函数为

隐层的输出函数

 

输出层的输出函数

 

误差公式

附体论文连接：http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDTEMP&filename=TXJS201810030&uid=WEEvREcwSlJHSldRa1FhdkJkVWEySnB3VEE4M3pJUFFQZERFWU9mV05uST0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!&v=MDIzNjV4WVM3RGgxVDNxVHJXTTFGckNVUkxLZVp1Wm9GeWpnVnIzTk1UWEJmYkc0SDluTnI0OUdaSVI4ZVgxTHU=