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)。