BP神经网络算法.ppt
- 文档编号:18790115
- 上传时间:2023-11-15
- 格式:PPT
- 页数:10
- 大小:441KB
BP神经网络算法.ppt
《BP神经网络算法.ppt》由会员分享,可在线阅读,更多相关《BP神经网络算法.ppt(10页珍藏版)》请在冰点文库上搜索。
BP网络算法,感知器罗森勃拉特(Rosenblatt)于1957年提出,把神经网络的研究从纯理论探讨引向了工程实践。
感知器是只有单层计算单元的前向神经网络,由线性阈值单元组成。
1)线性阈值单元1y=0或-1,2)单层感知器只有输入层和输出层组成,输入层的每个处理单元均与输出层互连,层内各神经元无连接,网络无反馈。
3)多层感知器(MLP)在单层感知器的输入和输出层之间增加一个或多个隐层。
可产生复杂的决策界面和任意的布尔函数。
前向多层神经网络也即多层感知器(MLP),也叫BP网。
BP(Back-Propagation)算法,是用于前向多层神经网络的反传学习算法,是目前应用最广泛且重要的训练前向神经网络的学习算法。
前向多层神经网络,前向多层神经网络,BP网除输入,输出层外,还有一个或多个隐层。
各层之间的神经元全互连,各层内的神经元无连接,网络无反馈。
节点的特性要求是可微的,通常选S型函数。
Sigmoid函数的特点:
连续可微单调取值在0,1,B-P算法学习的目的:
对网络的连接权值进行调整,使得对任一输入都能得到所期望的输出。
学习的方法:
用一组训练样本对网络进行训练,其中每一个样例都包括输入及期望的输出两部分。
应用:
对待识别的样本进行模式识别。
BP算法的具体步骤:
从训练样例集中取一样例,把输入信息输入到网络中。
由网络分别计算各层节点的输出。
计算网络的实际输出与期望输出的误差。
从输出层反向计算到第个隐层,按一定原则向减小误差方向调整网络的各个连接权值反向传播。
对训练样例集中的每一个样例重复以上步骤,直到对整个训练样例集的误差达到要求时为止。
在训练时,需要反向传播,而一旦训练结束,求解实际问题时,则只需正向传播。
BP算法存在的问题:
该学习算法的收敛速度非常慢。
可能出现局部极小问题。
故B-P算法是不完备的。
网络中隐节点个数的选取尚无理论上的指导。
对新样例的学习会影响已学习过的样例。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- BP 神经网络 算法