篇首语:本文由编程笔记#小编为大家整理,主要介绍了BP神经网络的学习原理及过程相关的知识,希望对你有一定的参考价值。
BP神经网络学习训练主要包括正向传播和误差反向传播两个过程。在正向传播过程中,外界数据变量由输入层输入,经过各隐含层神经节点的处理,然后非线性变换,最终从输出层输出信息。若输出层的实际输出结果较大偏离了期望目标值,则进行误差反向传播,在此过程中,误差会逐一反向传播到BP神经结构的每一层,并且误差值会分摊到所有的神经节点,每个神经节点以此作为信息,不断反复调整输入层与隐含层间的连接权值、隐含层与输出层间的连接权值及阈值,直至误差减少到可接受的程度或者进行到预先设定的学习次数为止。
BP神经网络学习的具体流程如下所述:
(1)网络初始化。对各连接权值和阈值分别赋予(0,1)区间的数值,设定误差函数,给定计算精度值;
(2)计算隐含层各神经节点的输入和输出;
(3)计算输出层各神经节点的输入和输出;
(4)计算BP神经网络连接到输出层各神经元节点的权值误差;
(5)计算BP神经网络连接到隐含层各神经元节点的权值误差;
(6)反向调整BP神经网络各层的连接权值和阈值;
(7)计算实际输出值和期望输出值的误差,若满足设定的精度值,则结束学习,否则继续从步骤(2)逐步进行学习
看都看完了,还不点这里试试