推荐星级:
- 1
- 2
- 3
- 4
- 5
误差反向传播算法BP网络
资料介绍
人工神经网络的模型很多,误差反向传播算法BP网络是目前应用最广泛的网络模型之一,典型的BP网络是三层、前馈阶层网络,即:输入层、隐含层(也称中间层)和输出层。BP算法的基本思想是:输入信息的正向传播和误差的反相传播。在正向传播中,对于一个训练样本,将其特征向量输入神经网络,经过神经网络的前向传播计算,得到一个实际输出,然后将该输出与期望的样本输出相比较,若有偏差,则转入反向传播过程,将该偏差由原来的联络通路返回,通过调整各层神经元的联系权值,使误差减小;然后,再转入正向传播过程,反复迭代,直到误差小于等于允许值。,学习才结束。因此,学习训练包括输入向量的前向传播和误差的反向传播两个过程,可见三层前馈网络的优点就是具有很强的非线性映射能力和柔性的网络结构,但是因为BP网络采用了按误差函数梯度下降的方向进行收敛的,这就不可避免地出现了网络学习收敛速度慢,以及容易陷入局部极小点的问题[1],针对以上缺陷,应用改进BP算法对转子试验台的几种常见的典型故障进行诊断研究。
部分文件列表
文件名 | 文件大小 | 修改时间 |
bpsuanfa.txt | 11KB | 2010-04-01 20:47:10 |
全部评论(0)