bp神經網絡算法介紹?BP(Back Propagation)網絡是1986年由Rumelhart和McCelland為首的科學家小組提出,是一種按誤差逆傳播算法訓練的多層前饋網絡,是應用最廣泛的神經網絡模型之一BP網絡能學習和存貯大量的輸入-輸出模式映射關系,而無需事前揭示描述這種映射關系的數學方程它的學習規則是使用最速下降法,通過反向傳播來不斷調整網絡的權值和阈值,使網絡的誤差平方和最小BP神經網絡模型拓撲結構包括輸入層(input)、隐層(hide layer)和輸出層(output layer),現在小編就來說說關于bp神經網絡算法介紹?下面内容希望能幫助到你,我們來一起看看吧!
BP(Back Propagation)網絡是1986年由Rumelhart和McCelland為首的科學家小組提出,是一種按誤差逆傳播算法訓練的多層前饋網絡,是應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關系,而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法,通過反向傳播來不斷調整網絡的權值和阈值,使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層(input)、隐層(hide layer)和輸出層(output layer)。
BP神經網絡算法是在BP神經網絡現有算法的基礎上提出的,是通過任意選定一組權值,将給定的目标輸出直接作為線性方程的代數和來建立線性方程組,解得待求權,不存在傳統方法的局部極小及收斂速度慢的問題,且更易理解。
更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!