大家好,我是小环,我来为大家解答以上问题。bp神经网络的原理,bp神经网络很多人还不知道,现在让我们一起来看看吧!
1、BP算法的基本思想是:学习过程由信号正向传播与误差的反向回传两个部分组成;正向传播时,输入样本从输入层传入,经各隐层依次逐层处理,传向输出层,若输出层输出与期望不符,则将误差作为调整信号逐层反向回传,对神经元之间的连接权矩阵做出处理,使误差减小。
2、经反复学习,最终使误差减小到可接受的范围。
3、具体步骤如下:从训练集中取出某一样本,把信息输入网络中。
4、2、通过各节点间的连接情况正向逐层处理后,得到神经网络的实际输出。
5、3、计算网络实际输出与期望输出的误差。
6、4、将误差逐层反向回传至之前各层,并按一定原则将误差信号加载到连接权值上,使整个神经网络的连接权值向误差减小的方向转化。
7、5、対训练集中每一个输入—输出样本对重复以上步骤,直到整个训练样本集的误差减小到符合要求为止。
本文到此讲解完毕了,希望对大家有帮助。
免责声明:本文由用户上传,如有侵权请联系删除!版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
扫码二维码
获取最新动态