《表2:BP神经网络训练部分数据》
BP神经网络是一类多层的前馈神经网络。它是由人工神经网络(ANN)发展而来,它的名字源于在网络训练的过程中,调整网络的权值的算法是误差的反向传播的学习算法,即为BP学习算法。BP算法是Rumelhart等人在1986年提出来的,由于它的结构简单、可调整的参数多、训练算法多以及可操作性好,BP神经网络获得了非常广泛的应用。该网络的主要特点是信号前向传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态只影响下一层的神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络预测输出不断逼近期望输出。BP神经网络的拓扑示意图如图1所示,在网络模型的输入层进行数据的收集,经过隐含层分析和计算,最后通过输出层将最终计算的结果输出。
图表编号 | XD00116843800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 任花妮 |
绘制单位 | 陕西科技大学 |
更多格式 | 高清、无水印(增值服务) |