其他分享
首页 > 其他分享> > Matlab之BP神经网络学习------ Day 1

Matlab之BP神经网络学习------ Day 1

作者:互联网

一:BP神经网络概述

BP神经网络是一种多层前馈神经网络,网络主要特点是信号前向传递,误差反向传递。BP神经网络传递基本流程为:输入层--->逐层处理--->输出层(媒介:隐含层)。值得注意的事:每一层神经元状态只影响下一神经元状态。若得不到期望的输出,则反向传播,根据预测误差调整网络权值与阀值,从而使BP神经网络预测预值不断逼近期望值。

拓扑结构图:

此结构图是经典网络结构图:x1、x2...xn作为输入值,y1、y2...yn作为输出值;而wij、wjk作为权值,输入值与输出值作为函数自变量与因变量,即x--->y的映射关系。

二:BP神经网络预测基本步骤:

1:网络初始化:通过数据序列(X,Y)确定输入层结点个数m,输出层结点个数n,隐含层结点个数l,初始化连接权值wij,wjk;初始化隐含层阀值和输出层阀值,确定学习速率及神经元激励函数。

2:隐含层输出计算:根据输入变量,权值wij,隐含层阀值,计算隐含层输出值。

3:输出层输出计算:根据隐含层输出值,权值wjk,输出层阀值,计算输出值。

4:误差计算:根据网络预测输出与实际输出计算误差。

5:权值更新:根据误差更新权值。

6:阀值更新:根据误差更新阀值。

7:判断算法迭代是否结束,若未结束,则返回步骤二。

(此博客仅个人总结,参考书籍为《Matlab43个案例分析》王小川等编著)

标签:输出,神经网络,BP,Matlab,权值,------,隐含,阀值
来源: https://blog.csdn.net/YLRMonster____/article/details/122674470