当前位置:首页 > 神经网络 > 正文

bp神经网络缺点

在设计一个bp神经网络时,设计步骤一般为()(1)隐层数及隐层神经元数的确定(2

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。