BP神经网络PPT课件.pptVIP

神经网络 BP . BP 神经网络算法使用流程图 开始 数据初始化 划分训练数据与测试数据 初始化 BP 网络 输入样本，计算误差 调整权值 否 是否收敛 是 结束 . 数据初始化 1 存在 、目前有 EXCEL 300 表中； 名管理学院全体男女生的身高，体重，性别的数据 2 、在 EXCEL 表中读取数据； 3 、将数据存在 DATA （ height,weight,gender ）的数组中。 . 划分训练数据与测试数据 取其中男女各 50 人作为训练数据，其他留作测试数据。 . 初始化 BP 网络 K 1 Y 1 x 2 ? x 1 K 2 Y J x M K I . 初始化 BP 网络 --- 输入层 x K 1 1 Y 1 x 2 K 2 Y J x M K I 输入层 . 输入层的节点数等于样本的维度。 在本例中，学生的维度为身高，体重，故神经网 络输入节点为 2 。 初始化 BP 网络 --- 隐含层 x K 1 1 Y 1 x 2 K 2 Y J x M K I 输入层 隐含层 . BP 网络性能有很大影响，一般较 M=log 2 n,n 为输入层神 隐含层实现了非线性映射。 隐含层节点数对 多的节点可以带来更好的性能，但可能导致训练 时间过长。 隐含层节点数的经验公式： 经元的个数 初始化 BP 网络 --- 输出层 x K 1 1 Y 1 x 2 K 2 Y J x M K I 输入层 隐含层 输出层 . n 个种类， n 个神经元。在本例中，输出层为 输出层的个数需要根据实际问题中得到的抽象模 型进行确定。如在模式分别问题中，共有 则输出层可以有 两个神经元，男、女。 初始化 BP 网络 --- 传递函数 x 1 x 2 K 2 Y J K 1 Y 1 传递函数 每一层神经元都有一个传递函数，在经典 BP 网络 中，输入层传递函数原函数，隐含层传递函数为 Sigmoid 函数，输出层传递函数为线性函数。 x M K I 输入层 隐含层 输出层 . 初始化 BP 网络 --- 神经网络的运行 ( 工作信号正向传播 ) x K 1 1 Y 1 x 2 K 2 Y J x M K I 输入层 隐含层 输出层 . K i 的输入 M u m i ? ? ? mi v M ( n ) m ? 1 f ( ? ) 为 sigmoid 函数，则隐含层神经元 K i 的输出 v I i ( n ) ? f ( u i I ( n ) ) 以隐含层为例，隐含层神经元 令 是否收敛 1 、可以给误差设置一个阈值 2 、训练到固定代数，停止 . 调整权值 --- 神经网络的运行 ( 误差反向传播 ) x K 1 1 Y 1 x 2 K 2 Y J x M K I 输入层 隐含层 输出层 . e J j ( n ) ? d j ( n ) ? v j J ( n ) , e ( n ) ? 1 ? e 2 2 ( n ) j ? 1 j , 求导得， ? w ( n ) ? ? ? e ( n ) v i j I ( n ) 我们令输出层的误差为 则网络总误差为 首先我们可以调节隐含层与输出层的参数，根据 最速下降法 误差向前传播，我们可以调整输入层和隐含层的 参数。