实验目的
1)掌握BP神经网络算法的基本设计实现并拟合函数。
2)熟练掌握误差反馈对网络权重修正的机理;
3) 分析实验结果来验证理解BP神经网络算法中学习率参数的重要性。
实验内容与步骤
1、BP神经网络结构设计
典型的BP神经网络为三层结构:输入层、隐含层和输出层。
输入层接受算法的输入,在本实例中对应为x。输入层节点的个数应当和x的维数对应,在本实例中,输入x为标量,因此输入层节点个数为1。
隐含层结点个数可以自行设定,在本实例中建议为6个。
输出层结点个数应当和输出y的维数对应,在本实例中,输出y为标量,因此输出层节点个数为1。
2、算法基本思路
给定组样本;;;。这里为一维输入矢量,为一维期望输出矢量。假设矢量为网络的实际输出。
则训练过程为:
1) 确定神经网络结构为1-6-1型,选作为最大容许误差,并给出隐层到输出层的权矩阵,输入层到隐层的权矩阵,将其初始化为某一小的随机权矩阵。
2) 依次输入样本,计算网络的实际输出。
3) 计算误差,。
4) 计算各层权值的变化量
5) 调节权值
6) 若,则,转2),否则转7)。
7) 若,结束,否则,,转2&