智能控制简明教程-前馈神经网络.ppt

4.4 前馈神经网络 1986年,Rumelhart和McClelland提出多层前馈网络 （MFNW-Multilayer Feedforward Neural Networks） 的训练算法. 误差反向传播（Error Back Propagation——EBP ） 是一种有导师学习，目前成为应用最广泛的一种网络， 有80%左右NN应用BP算法，还提出了一些改进算法。 1.网络结构 多层前馈网络结构如图所示，X、Y分别是 输入/出向量，每一个神经元用一个节点表 示，网络由输入层,隐层和输出层节点组成， 隐层可一层，也可以是多层，图中是单隐 层，前层至后层节点通过权连接。常用BP 算法. 这种网络结构简单，工作状态稳定，且易 于硬件实现，且具有很强的非线性映射能 力。 2.BP网络 基本思想： BP学习算法：正向传播+反向传播 正向传播：模式样本作用于输入层，经隐 层传向输出层，若在输出层得到了期望的 输出，则学习算法结束；否则反传。 反向传播：将输出误差按梯度下降法通过 隐层向输入层返回，并调整各层神经元的 权值与阈值，使误差不断减少。 ①正向传播 ②权值调整（反向转播） 隐层 输出层 BP算法的信号流图