機(jī)器學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)

姓名:李寧?? 學(xué)號(hào):19021110351

?轉(zhuǎn)載自? https://blog.csdn.net/jodie123456/article/details/90704791

【嵌牛導(dǎo)讀】 近年來機(jī)器學(xué)習(xí)大火,BP神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)方面有著重要的應(yīng)用,特別是在圖像處理方面。下面介紹 ? ? ? ? ? ? ? ? ? ? ? ?? 簡單的介紹BP神經(jīng)網(wǎng)絡(luò) 。

【嵌牛鼻子】 機(jī)器學(xué)習(xí),BP神經(jīng)網(wǎng)絡(luò)。

【嵌牛提問】 BP神經(jīng)網(wǎng)絡(luò)的思想 ?

【嵌牛正文】

1.BP神經(jīng)網(wǎng)絡(luò)的思想:

BP 神經(jīng)網(wǎng)絡(luò)的基本思想就是根據(jù)梯度下降法不斷更新,輸入,輸出權(quán)值得到的模型。

BP(back propagation)神經(jīng)網(wǎng)絡(luò)是非線性不確定性數(shù)學(xué)模型,是一種具有連續(xù)傳遞函數(shù)的多層前饋人工神經(jīng)網(wǎng)絡(luò),訓(xùn)練方式是誤差反向傳播算法(BP 算法),并以均方誤差最小化為目標(biāo)不斷修改網(wǎng)絡(luò)的權(quán)值和閾值,最終能高精度地?cái)M合數(shù)據(jù)。

2.BP網(wǎng)絡(luò)由輸入層、隱含層和輸出層3個(gè)神經(jīng)層次組成,其拓?fù)浣Y(jié)構(gòu)如圖

3.流程

(1)工作信號(hào)的正向傳播。網(wǎng)絡(luò)在輸入層將接收輸入信號(hào)傳遞到隱含層,再經(jīng)由隱含層傳向輸出層并在此生成輸出信號(hào),在這個(gè)過程中,工作信號(hào)只進(jìn)行正向傳播并且始終保持各層的閾值和權(quán)值固定不變,每一層神經(jīng)元的狀態(tài)只決定于上一層神經(jīng)元的狀態(tài)。若輸出層得到的不是期望的輸出,就轉(zhuǎn)入過程(2);

(2)誤差信號(hào)的反向傳播。誤差信號(hào)指的是網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的差值,輸出層得到誤差信號(hào)后將它逐層向前傳輸形成誤差信號(hào)的反向傳播。在這一過程中,網(wǎng)絡(luò)通過誤差反饋調(diào)節(jié)修正各層的閾值和權(quán)值,從而達(dá)到網(wǎng)絡(luò)的實(shí)際輸出逐步逼近期望輸出的目的。

————————————————

版權(quán)聲明:本文為CSDN博主「Panpan Wei」的原創(chuàng)文章,遵循 CC 4.0 BY-SA 版權(quán)協(xié)議,轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。

原文鏈接:https://blog.csdn.net/jodie123456/article/details/90704791

作者:李寧

鏈接:http://www.itdecent.cn/p/b8c9c7b9563e

來源:簡書

著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán),非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容