BP 신경망 알고리즘

BP(역전파) 네트워크는 1986년 Rumelhart와 McCelland가 이끄는 과학자 팀에 의해 제안되었습니다. 이는 오류 역전파 알고리즘에 따라 훈련된 다층 피드포워드 네트워크입니다. 가장 널리 사용되는 신경망 모델 중 하나입니다.

BP 네트워크는 수학 방정식을 미리 공개하지 않고도 수많은 입출력 패턴 매핑 관계를 학습하고 저장할 수 있습니다. .

학습 규칙은 최속하강법을 사용하고, 역전파를 통해 네트워크의 가중치와 임계값을 지속적으로 조정하여 네트워크의 제곱 오차의 합을 최소화하는 것입니다. BP 신경망 모델의 토폴로지 구조에는 입력 계층, 숨겨진 계층 및 출력 계층이 포함됩니다. (추천 학습: 웹 프론트엔드 동영상 튜토리얼)

BP 신경망 알고리즘 은 BP 신경망의 기존 알고리즘을 기반으로 제안됩니다. , 가중치 집합을 임의로 선택하면 주어진 목표 출력을 선형 방정식의 대수적 합으로 직접 사용하여 선형 방정식 시스템을 구축하고 해결하려는 가중치를 해결하면 로컬 최소값 및 느린 수렴 문제가 발생하지 않습니다. 기존 방식보다 속도가 빠르고 이해하기 쉽습니다.

BP 알고리즘

인공신경망(ANN) 시스템은 1940년대 이후 등장한 여러 개의 조절 가능한 뉴런으로 구성되어 있습니다. 연결 가중치는 대규모 병렬 처리, 분산 정보 저장, 우수한 자기 조직화 및 자기 학습 기능을 갖추고 있으며 정보 처리, 패턴 인식, 지능형 제어 및 시스템 모델링 분야에서 널리 사용됩니다. . 점점 더 널리 사용됩니다.

특히 오류 역전파 훈련(BP 네트워크)은 모든 연속 함수에 근접할 수 있으며 네트워크의 중간 계층 수와 처리 수와 같은 매개변수에 대한 강력한 비선형 매핑 기능을 가지고 있습니다. 단위와 네트워크의 학습 계수는 특정 상황에 따라 설정할 수 있으며 유연성이 뛰어나 많은 응용 분야에서 중요한 역할을 합니다.

느린 수렴 속도, 전역 최대점으로의 수렴을 보장할 수 없음, 네트워크의 중간 계층 선택에 대한 이론적 지침 부족 및 수렴 등 BP 신경망의 단점을 해결하기 위해 단위, 네트워크 학습 및 메모리의 불안정성으로 인해 많은 개선된 알고리즘이 제안되었습니다.

위 내용은 BP 신경망 알고리즘의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!