bp神经网络缺点

设计bp神经网络时，设计步骤一般为（确定隐含层和隐含层神经元的数量、设置初始权重、训练数据的预处理和后处理）。

（1）隐含层和隐含层神经元数量的确定：目前没有理论指导。

（2）设置初始权值：一般情况下，网络初始权值的基值设置为均值为0的随机分布。

（3）训练数据的预处理：线性特征比例变换，将所有特征在0,1或1,1范围内进行变换，使得在每个训练集上，每个特征的平均值为0并且具有相同的方差。

（4）后处理过程：应用神经网络进行分类作时，输出值通常码为所谓的名义变量，具体值对应于类别标签。

BP网络：多层有向网络（输入层、隐层、输出层）。 连接权重：通过Delta学习算法修改。 神经元传递函数：S形函数。 学习算法：前向传播、反向传播等痕迹。 层次之间的联系是单向的，信息的传播是双向的。

两个问题

（1）是否存在能够近给定样本或函数的BP神经网络。 BP定理：给定任意一个连续函数，存在一个三层有向神经网络，可以以任意平方误差精度近连续函数

（2）如何调整BP的连接神经网络权重使得网络的输入和输出等于提供的样本。 1986年，Rumelhardt等提出了BP学习算法。

BP网络的主要优缺点：

(1)优点：优秀的近特性。 他有很强的概括能力。 具有良好的容错性

（2）缺点：收敛速度慢。 部极值。 隐层和隐层节点的数量很难确定。