bp神经网络算法基本流程图(bp神经网络算法的优缺点)

3、 一个三层BP网络如图8.11所示，分为输入层、隐层、输出层。 它是最常用的BP网络。 理论分析证明三层网络已经能够表达任意复杂的连续函数关系了。 只有在映射不连续函数时(如锯齿波)才需要两个隐层[8]。

2、 常用的工神经网络是BP网络，它由输入层、隐含层和输出层三部分组成。 BP算法是一种有监督的模式识别方法，包括学习和识别两部分，其中学习过程又可分为正向传播和反向传播两部分。

4、 上图显示了工神经网络是一个分层模型，逻辑上可以分为三层：输入层 ：输入层接收特征向量 x 输出层 ：输出层产出最终的预测 h 隐含层 ：隐含层介于输入层与输出层之间，之所以称之为隐含层，是因为当中产生的值并不像输入层使用的样本矩阵 X或者输出层用到的标签矩阵 y 那样直接可见。

1、 在BP网络学习的过程中，先调整输出层与隐含层之间的连接权值，然后调整中间隐含层间的连接权值，最后调整隐含层与输入层之间的连接权值。 实现BP网络训练学习程序流程，如图4-5所示（倪深海等，2000）。