BP神经网络原理(附MATLAB程序)
1. 人工神经网络
1.1 原理
人工神经网络(Artificial Neural Networks,ANN)也简称为神经网络(NN),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量结点之间相互连接的关系,从而达到处理信息的目的。
神经网络首先要以一定的学习准则进行学习,以
决定神经网络模型性能的三大要素为: 神经元(信息处理单元)的特性; 神经元之间相互连接的形式——拓扑结构; 为适应环境而改善性能的学习规则。
1.2 特点
人工神经网络是有自适应能力的,它可以在训练或者学习过程中改变自身的权重,来适应环境要求。
- 训练方式
- 有监督:利用给定的样本进行分类或者模仿。
- 无监督:规定学习规则,学习的内容随系统所处环境而异,系统可以自发的发现环境的特征,类似人脑的的功能。
- 泛化能力 对那些没有训练过的样本,有很好的预测能力和控制能力,特别是存在一些噪声的样本。比如,公式 y = 2