BP神经网络

标签：必须   http   error   之间   神经元   函数   log   中间   技术   

介绍

BP神经网络属于多层前向神经网络，BP网络是前向网络的核心部分，也是整个人工神经网络体系的精华，广泛应用于分类识别、逼近、回归、压缩等领域。

BP神经网络采用误差反向传播（Error Back Propagtion,BP)的学习算法。一个包含2层隐层的BP神经网络的拓扑结构如下图所示：

BP神经网络特点

• BP网络由多层构成，层与层之间全连接，同一层之间的神经元无连接。多层的设计，使得BP网络可以从输入中挖掘更多的信息，完成更复杂的任务。
• BP网络的传递函数必须可微。一般使用Sigmoid函数或者线性函数作为传递函数。根据输出值是否包含负值，Sigmoid函数又可以分为Log-Sigmoid函数和Tan-Sigmoid函数。Log-Sigmoid函数由确定：

BP网络的典型设计是隐含层采用Sigmoid函数作为传递函数，而输出层采用线性函数作为传递函数。

• 采用误差反向传播算法进行学习。训练网络权值时，沿着减小误差的方向，从输出层经过中间各层逐层向前修正网络的连接权值，随着学习的进行，误差越来越小。

BP网络学习算法

BP神经网络

标签：必须   http   error   之间   神经元   函数   log   中间   技术   

原文地址：https://www.cnblogs.com/larry-xia/p/9248491.html