本文關鍵詞：BP神經(jīng)網(wǎng)絡模型與學習算法，由筆耕文化傳播整理發(fā)布。

BP神經(jīng)網(wǎng)絡模型與學習算法 BP神經(jīng)網(wǎng)絡模型與學習算法 1 一，，什么是BP 1 二、反向傳播BP模型 8 一，什么是BP "BP（Back Propagation）網(wǎng)絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結構包括輸入層（input）、隱層 hide layer 和輸出層 output layer 。" 我們現(xiàn)在來分析下這些話： “是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡” BP是后向傳播的英文縮寫，那么傳播對象是什么？傳播的目的是什么？傳播的方式是后向，可這又是什么意思呢。 傳播的對象是誤差，傳播的目的是得到所有層的估計誤差，后向是說由后層誤差推導前層誤差： 即BP的思想可以總結為 利用輸出后的誤差來估計輸出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。? “BP神經(jīng)網(wǎng)絡模型拓撲結構包括輸入層（input）、隱層 hide layer 和輸出層 output layer ” 最簡單的三層BP： “BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程�！� BP利用一種稱為激活函數(shù)來描述層與層輸出之間的關系，從而模擬各層神經(jīng)元之間的交互反應。 激活函數(shù)必須滿足處處可導的條件。那么比較常用的是一種稱為S型函數(shù)的激活函數(shù)： 那么上面的函數(shù)為什么稱為是S型函數(shù)呢： 我們來看它的形態(tài)和它導數(shù)的形態(tài)： p.s. S型

  本文關鍵詞：BP神經(jīng)網(wǎng)絡模型與學習算法，由筆耕文化傳播整理發(fā)布。