一、总体流程
BP算法是按照误差你想船舶算法训练的多层前馈神经网络。
神经网络,将数据输入与计算步骤间以类似神经元的结构相互连接,由输入层到隐藏层再到输出层,并且在输出层上进行与期望间的误差计算,通过误差对参数进行修正,并不断迭代,达成目标输出。
ps:隐藏神经元的设置方法,输入层节点数为m,输出层节点为n,b为1~9的整数,s为隐藏层节点的数量,可由matlab工具箱进行计算出。
二、推导过程
由于推导过程较为复杂,通过手写方式进行显示。
设定输入值为x1、x2、x3,隐藏层为a1、a2、a3,输出结果为o1、o2,权重为w1、w2、w3、w4、w5、w6、w7、w8.
1.正向传播
通过输入值与各个隐藏层之间进行运算,求出输出值。
2.反向计算
通过计算结果与期望值误差进行计算,求出各个权值对权重的梯度值。
3.权值更新
利用求出的梯度值,对权重进行更新。