bp神经网络的学习

BP神经网络主要的是信号的正向传播和反向误差传播

主要形式为输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。

BP神经网络的推导

如图所示赋初值

则heth1=w1*i1+w2*i2+b1*1

    heth2=w1*i1+w2*i2+b2*1

则outh1==0.59326992

同理 outh2 =0.59884378

neto1=w5*outh1+w6*outh2+b2*1=1.105905967

outo1=0.75136507

outo2=0.772928465

反向计算

总误差=

得误差e1=0.274811083

e2=0.023560026

e总=0.298371109

 

 计算

 

 

 得

 其他权重同理