1.BP神经网络可以解决非线性分类问题,当一个超平面不能完全分类,可以用多个超平面进行分类,在神经网络里,一个感知器可以构造一个超平面,在BP神经网络里隐藏层的每个节点都是一个独立的感知器,所以可以解决非线性分类问题。
2.BP神经网络是通过后向传播调整权值的。
在BP神经网络里也是通过最小化误差平方和,来达到最优的目标函数。求最小化误差平方和用的是梯度下降法来求得,实际上就是迭代k次(样本数量)权值w(隐藏层和输出层之间的)和u(输入层和隐藏层)。
解释:
首先随机w和u权值,首先对w进行迭代一次,在对u进行迭代,u的迭代需要w的迭代值,所以是后向传播的。