您所在位置：网站首页 > 商业/管理/HR > 其它文档 > 5.18BP神经网格

5.18BP神经网格.pptx

8页

卖家[上传人]：油条

文档编号：1714107

上传时间：2017-07-10

文档格式：PPTX

文档大小：262.75KB

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

10金贝

下载

/ 8 举报版权申诉马上下载

文本预览

下载提示

常见问题

1、BP神经网格基本原理,基本原理：利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其他各层的误差估计BP神经网格结构,2、BP神经网格标准学习算法,学习的过程：神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出学习的本质：对各连接权值的动态调整学习规则：权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则3、BP神经网格标准学习算法思想,核心思想：将输出误差以某种形式通过隐层向输入层逐层反传学习的过程：信号的正向传播误差的反向传播,将误差分摊给各层的所有单元－－－各层单元的误差信号,修正各单元权值,,,4、BP神经网格标准学习算法学习过程,正向传播：输入样本－－－输入层－－－各隐层－－－输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出（教师信号）不符误差反传误差以某种形式在各层表示－－－－修正各层单元的权值网络输出的误差减少到可接受的程度,,,,BP网络的标准学习算法,第一步，网络初始化样本处理第二步,随机选取第k个输入样本及对应期望输出,第三步，计算隐含层各神经元的输入和输出,第四步，对学习样品集进行学习，并计算网络实际输出和期望输出的平方误差,,式中：E 为网络实际输出和期望输出的误差；Tk 为输出层节点 k 的期望输出.,第五步，不断调整权值和阈值，直到误差满足要求，得到训练好的网络模型,第六步，将考察对象的输入集代入训练好的 BP神经网络，即可输出预测值,预期：生产井：相对产液强度变异系数,注水井：相对吸水强度变异系数,、含水率,。

点击阅读更多内容