bp神经网络算法
-
前馈神经网络
bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。 -
-
-
-
-
-
-
BP神经网络算法
应用背景 数字识别是模式识别领域中重要研究方向之一,具有广阔的应用前景。在对BP神经网络基本原理研究的基础上, 提出了利用BP神经网络方法来实现手写数字识别的方案。 关键技术 BP算法的基本思想是:学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时 ,输入样本从输入层传入,经各隐藏层逐层处理后,传向输出层。若输出层的实际输出与期望的输 出(教师信号)不符,则转入误差的反向传播阶段。 -
-
BP神经网络算法的matlab代码
BP神经网络算法的matlab代码，本程序根据训练好的网络文件ANN.mat预测新的数据文件，得到均方误差，并画出预测数据和原数据的对比图。希望有用
