I、bp神经网络算法介绍bp神经网络算法简介
1、BP(BackPropagation)网络是由Rumelhart和McCelland领导的科学家团队于1986年提出的。
它是根据误差反向传播算法训练的多层前馈网络。
它是应用最广泛的神经网络模型之一。
BP网络可以学习并存储大量的输入输出模式映射关系,而无需提前揭示描述这种映射关系的数学方程。
其学习规则是采用最速下降法,通过反向传播不断调整网络的权值和阈值,使网络的误差平方和最小。
BP神经网络模型的拓扑结构包括输入层、隐含层和输出层。
2.BP神经网络算法是在现有BP神经网络算法的基础上提出的。
通过任意选择一组权重,给定的目标输出直接用作线性方程的代数。
建立线性方程组,求解需要加权。
不存在传统方法的局部极小值和收敛速度慢的问题,并且更容易理解。