BP神经网络是人工神经网络应用最广泛的一种网络
发布时间:2019/3/8 20:49:22 访问次数:2044
BP神经网络是人工神经网络应用最广泛的一种网络,大部分人I神经网络都是基于BP神经网络。 VNQ5E050MK目前,BP神经网络在各个领域得到了广泛的应用,例如图像处理与分析、模式识别、聚类和预测等。BP神经网络是…种典型的分层型网络,由输入层、隐含层和输出层构成。图215给出了一个典型的3层BP网络,层与层之间的连接采用全连接方式,同层神经尢之间不连接。
图215 BP神经网络结构
其中'为输入层节点,丿为隐含层节点,庀为输出层节点,饿表示网络的期望输出,热表示网络的实际输出。BP神经网络是一种多层前馈式网络,其学习过程包括正向传播和反向传播。在正向传播阶段,一切样本由输入层输入,经隐含层计算处理后,最终由输出层输出。如输出层的输出值与期望值不同,则转向反向传播阶段。在反向传播阶段,输出值与期望值的误差已沿原连接通路返回,以此来调节各个神经元的权值。BP神经网络的学习过程其实就是通过不断调整神经元的权值,最终使网络输出值与期望值之间的误差在允许范围内。图2,16表示BP网络的学习过程。
BP神经网络是人工神经网络应用最广泛的一种网络,大部分人I神经网络都是基于BP神经网络。 VNQ5E050MK目前,BP神经网络在各个领域得到了广泛的应用,例如图像处理与分析、模式识别、聚类和预测等。BP神经网络是…种典型的分层型网络,由输入层、隐含层和输出层构成。图215给出了一个典型的3层BP网络,层与层之间的连接采用全连接方式,同层神经尢之间不连接。
图215 BP神经网络结构
其中'为输入层节点,丿为隐含层节点,庀为输出层节点,饿表示网络的期望输出,热表示网络的实际输出。BP神经网络是一种多层前馈式网络,其学习过程包括正向传播和反向传播。在正向传播阶段,一切样本由输入层输入,经隐含层计算处理后,最终由输出层输出。如输出层的输出值与期望值不同,则转向反向传播阶段。在反向传播阶段,输出值与期望值的误差已沿原连接通路返回,以此来调节各个神经元的权值。BP神经网络的学习过程其实就是通过不断调整神经元的权值,最终使网络输出值与期望值之间的误差在允许范围内。图2,16表示BP网络的学习过程。
上一篇:高层次数据融合算法
上一篇:某尾矿库主坝参数的监测数据