什么是BP神经网络？

Python012

什么是BP神经网络？,第1张

BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：

1、从训练集中取出某一样本，把信息输入网络中。

2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。

3、计算网络实际输出与期望输出的误差。

4、将误差逐层反向回传至之前各层，并按一定原则将误差信号加载到连接权值上，使整个神经网络的连接权值向误差减小的方向转化。

5、対训练集中每一个输入—输出样本对重复以上步骤，直到整个训练样本集的误差减小到符合要求为止。

具体如下：

library(AMORE)

x1 <- round(runif(2000,1,2000)) #随机生成2000个数

x2 <- round(runif(2000,1,2000))

x11 <- scale(x1[1:1900])#数据标准化，并选取1900个组作为学习集

x12 <- scale(x2[1:1900])

x21 <- scale(x1[1901:2000]) #选取100组作为待测集

x22 <- scale(x2[1901:2000])

你在建立网络的时候不是用了net=newff(……）吗？这个net就是输出的结果。

newff函数只是初始化一个神经网络，之后还得用train函数训练，训练好的net就是你要的网络。

newff函数的格式为：

net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：

PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；

Si：第i层神经元个数；

TFi：第i层的传递函数，默认函数为tansig函数；

BTF：训练函数，默认函数为trainlm函数；

BLF：权值/阀值学习函数，默认函数为learngdm函数；

PF：性能函数，默认函数为mse函数。