BP神经网络推导及实现

东城青年

已于 2023-07-27 18:02:41 修改

阅读量1.5k

点赞数

分类专栏： matlab 机器学习文章标签： BP神经网络推导 BP神经网络实现随机梯度下降法训练神经网络

于 2022-04-22 18:26:22 首次发布

本文链接：https://blog.csdn.net/qq_24946843/article/details/124351820

版权

机器学习同时被 2 个专栏收录

32 篇文章 449 订阅 ¥9.90 ¥99.00

订阅专栏

matlab

29 篇文章 102 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文详细探讨了BP（反向传播）神经网络的推导过程，并介绍了如何实际实现这一算法。通过随机梯度下降法对神经网络进行训练，以达到准确预测和解决问题的目的。

摘要由CSDN通过智能技术生成

神经网络训练：

% 生成训练数据
x = 1 : 0.01 : 10
y = 1.1 * x.^3 + 2.1 * x.^2 + 3.1 * x + 1.2;
len = length(x);

% 训练数据归一化
min_x = min(x);
max_x = max(x);
min_y = min(y);
max_y = max(y);
normal_x = (x - repmat(min_x, 1, len)) ./(max_x - min_x);
normal_x = normal_x';
normal_y = (y - repmat(min_y, 1, len)) ./ (max_y - min_y);

% 开始训练
Iterations = 1000;
batch = 400;
lr = 0.8;
input = 1;
hide = 4;
output = 1;

% 权重参数初始化
w_ik = rand(input, hide);
bias1 = rand(1, hide);
w_km = rand(hide, output);
bias2 = rand(1, output);
grad_w_ik = z

了解本专栏