本文详细介绍了BP神经网络的结构，包括输入层、隐藏层和输出层，并提供了各层神经元的输入、输出计算方式及权重更新的公式。通过Sigmoid激活函数和最速下降策略，对网络在训练例的均方误差进行了推导。
公式推导
描述BP神经网络：
网络包含三层：
- 输入层：神经元数量为 d d d个，输入为 x i x_i xi, i = 1 , 2 , . . . , d i=1,2,...,d i=1,2,...,d
- 隐藏层：神经元数量为 q q q个，阈值为 γ h γ_h γh, h = 1 , 2 , . . . , d h=1,2,...,d h=1,2,...,d
- 输出层：神经元数量为 l l l个，阈值为 θ j θ_j θj, j = 1 , 2 , . . . , l j=1,2,...,l j=1,2,...,l
- 输入层到隐藏层权值： v i h v_{ih} vih
- 隐藏层到输出层权值： ω h j ω_{hj} ωhj
- 第 h h h个隐藏层神经元输入为： α h = ∑ i = 1 d v i h x i α_h=\sum_{i=1}^d v_{ih}x_i αh=∑i=1dvihxi
- 第
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
