,:训练的最长时间,默认:>
,
,当前输入层权值和阈值
-5 2.B5:%%;
-2.:%;
,当前网络层权值和阈值
+5 2.<5:%;
+2.:;
,设置网络的训练参数
*28.&GF
*+.GG&F
*.GIF
*-2.%GGGF
* +.%F0
,调用 "B3J算法训练 )*网络
/1.#*$F
,对 )*网络进行仿真
".2#*$
,计算仿真误差
4."
4.2#4$
9
K F
-+##%!$@L@#%!$"@@$
1
B P
神经网络的原理及算法的基本步骤
理 论上已证 明 ,一个 3层的 B P网络能够实现任意的连续映射 ,可
以任意精度逼近任何给定的连续函数 。
1. 1 B P神经网络的原理
B P
(
B ack P rop aga tion
)
神经网络通常由具有多个节点的 输入层
(
input laye r
)
、隐含层
(
hidden laye r
)
和多个 或一个输 出节点的输出
层
(
ou tput laye r
)
组成 ,其学习过程分为信息的正向传播过程和误差
的反向传播过程两个阶段 。外部输入的信号经输入层隐含层为止 。
的神经元逐层处理 ,向前传播到输 出层 ,给出结果 。如果在输出层
得不到期望输出 ,则转入逆 向传播过程 ,将实际值与网络输出之间的
误差沿原连接通路 返回 ,通过修改各层神经元的连接权重 ,减少误差 ,
然后再转 入正向传播过程 ,反复迭代 ,直到误差小于给定的值
表 %%I%~GG& 年全国总人口(单位:万人)
年份
%I% %I %I %I! %I& %I' %I( %I %II
评论0