什么是BP神经网络 什么是bp神经网络算法

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 。
【什么是BP神经网络 什么是bp神经网络算法】本文到此分享完毕,希望对大家有所帮助 。
-- 展开阅读全文 --

    推荐阅读