计算机视觉 |
您所在的位置:网站首页 › 计算机bp是什么意思呀 › 计算机视觉 |
神经网络
定义
大量(结构简单、功能接近)的神经元节点按一定体系架构连接成的网状结构。 作用 分类模式识别连续值预测 目标建立输入与输出的映射关系 神经元模型 定义每个神经元都是一个结构相似的独立单元,它接受前一层传来的数据,并将这些数据的加权输入非线性作用函数中,最后将非线性作用函数的输出结果传递给后一层。 非线性函数f称为激活函数。 激活函数上图为两种激活函数,分别为sigmoid函数跟tanh函数。 他们分别能把输入映射为(0,1)和(-1,1)。 另外分别对他们求导有如下特征: 可以简化后面的计算过程。 基础神经网络一般有输入层,隐含层和输出层。 传统的浅层网络,一般有3-5层。 Delta学习规则跟后面例子没什么关系,主要在于提示神经网络的调整方式。 前馈神经网络 无反馈同层神经元无互相连接 目标函数 梯度下降 梯度计算 1.输出层权重改变量 2.隐藏层权重改变量误差传播公式 上面yj是单个神经元的输入,配合隐含层计算得上一层的权重。 BP算法1986年Rumelhart等提出的误差反向传播法,即BP(error BackPropagation) 例子
|
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |