BP神经网络的学习原理及过程

Posted 2021-04-26 星海财经

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