未来智讯 > 神经网络论文 > BP神经网络改进算法研究
    关键词关键词:BP神经网络;激活函数;改进算法
    中图分类号:TP312文献标识码:A文章编号文章编号:16727800(2014)005007603
    基金项目基金项目:南通市科技项目(BK2012036)
    作者简介作者简介:杨健兵(1976-) 男,硕士,南通农业职业技术学院信息工程系讲师,研究方向为网络安全、神经网络。0引言
    1986年,Rumelhart提出了反向传播学习算法,即BP(backpropagation)算法。反向传播BP(back propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一[1]。这种算法可以对网络中各层的权系数进行修正,故适用于多层网络的学习。BP算法是目前应用最广泛的神经网络学习算法之一,在自动控制中是最有用的学习算法。它含有输人层、输出层以及处于输入输出层之间的中间层。中间层有单层或多层,由于它们和外界没有直接联系,故也称为隐层,在隐层中的神经元也称隐单元。隐层虽然和外界不连接,但是它们的状态影响着输入输出之间的关系,也就是说,改变隐层的权系数,可以改变整个多层神经网络的性能[2]。
    1BP神经网络模型
    BP神经网络模型由一个输入层、一个输出层以及一个或多个隐含层构成。在同一层中各神经元之间相互独立。输入信号从输入层神经元,依次通过各个隐含层神经元,最后传递到输出层神经元, 图1中给出了包含一个隐含层的BP网络模型结构,隐含层神经元个数为m。理论研究表明,具有一个输入层、一个线性输出层以及Sigmoid 型激活函数的隐含层的BP 网络能够以任意精度逼近任何连续可微函数[3]。
    译系统内存变量存储类别的分类比较,并综合不同类别变量的作用域与生存期,为程序设计中有效地组织变量,以提高程序效率并减少内存占用,具一定指导性作用。
    参考文献参考文献:
    \[1\]谭浩强.C程序设计(第四版)[M].北京:清华大学出版社,2010.
    [2]徐孝凯.C++语言基础教程(第二版)[M].北京:清华大学出版社,2007.
    [3][美]BJARNE STROUSTRUP.The C++ programming language (special edition)[M].北京:机械工业出版社,2008:226228.
    [4]冯博琴.Visual C++与面向对象程序设计教程(第3版) [M].北京:高等教育出版社,2010.
    [5]孙淑霞,肖阳春,魏琴.C/C++程序设计教程(第4版) [M].北京:电子工业出版社,2014.
    (责任编辑:黄健)
转载请注明来源。原文地址:https://www.7428.cn/page/2018/0715/21972/
 与本篇相关的热门内容: