第7章人工智能BP网络.ppt
《第7章人工智能BP网络.ppt》由会员分享,可在线阅读,更多相关《第7章人工智能BP网络.ppt(16页珍藏版)》请在优知文库上搜索。
1、BP网络BP网络结构 一个具有两个隐含层的神经网络模型结构BP网络理论n 与感知器模型不同的是,BP网络的隐含层传递函数要求必须是可微的,所以不能使用感知器网络的二值函数,常用的有S型的对数、正切函数或线性函数。由于传递函数是处处可微的,所以对于BP网络来说,一方面,所划分酌区域不再是一个线性划分,而是由一个非线性超平面组成的区域,它是曲面,因而它的分类比线性划分更加精确,容错性也比线性划分更好。n BP网络是一种单向传播的多层前向网络。nBP网络是一种具有三层或三层以上的神经网络,包括输入层、中间层(隐层)和输出层。上下层之间实现全连接,而每层神经元之间无连接。n当一对学习样本提供给网络后,
2、神经元的激活值从输入层经备中间层向输出层传播,在输出层的各神经元获得网络的输入响应。n接下来,按照减少目标输出与实际误差的方向,从输出层经过各中间层逐层修正备连接权值,最后回到输入层,这种算法称为“误差逆传播算法”,即BP算法。随着这种误差逆的传播修正不断进行,网络对输入模式响应的正确率也不断上升。BP学习规则nBP网络的产生归功于BP算法的获得。BP算法属于 算法,是一种监督式的学习算法。其主要思想为:对于q个输入学习样本:,已知与其对应的输出样本为:。学习的目的是用网络的实际输出 与目标矢量 之间的误差来修正其权值,使其 ,(l=1,2,q)与期望的尽可能地接近;即使网络输出层 的误差平方
3、和达到最小。它是通过连续不断地在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标的。每一次权值和偏差的变化都与网络误差的影响成正比,并以反向传播的方式传递到每一层的。12,.,qppp12,.,qAAA12,.,qTTTlA12,.,qTTT具有个隐含层的简化网络图n BP算法是由两部分组成:信息的正向传递与误差的反向传播。在正向传播过程中,输入信息从输入经隐含层逐层计算传向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层没有得到期望的输出,则计算输出层的误差变化值,然后转向反向传播,通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到期望



- 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:
- 人工智能 BP 网络
