bp神经网络用啥算法？

自己找个例子算一下，推导一下，这个回答起来比较复杂

bp神经网络结果计算 bp神经网络公式bp神经网络结果计算 bp神经网络公式


bp神经网络结果计算 bp神经网络公式


神经网络对模型的表达能力依赖于优化算法，优化是一个不断计算梯度并调整可学习参数的过程，Fluid中的优化算法可参考 优化器 。

在网络的训练过程中，梯度计算分为两个步骤：前向计算与 反向传播 。

前向计算会根据您搭建的网络结构，将输入单元的状态传递到输出单元。

反向传播借助 链式法则 ，计算两个或两个以上复合函数的导数，将输出单元的梯度反向传播回输入单元，根据计算出的梯度，调整网络的可学习参数。

BP算法

隐层的引入使网络具有很大的潜力。但正像Minskey和Papert当时所指出的．虽然对所有那些能用简单(无隐层)网结解决的问题有非常简单的学习规则，即简单感知器的收敛程序(主要归功于Widrow和HMf于1960年提出的Delta规刚)，

BP算法

但当时并没有找到同样有技的含隐层的同培的学习规则。对此问题的研究有三个基本的结果。一种是使用简单无监督学习规则的竞争学习方法．但它缺乏外部信息．难以确定适台映射的隐层结构。第二条途径是设一十内部(隐层)的表示方法，这在一些先约条件下是台理的。另一种方法是利用统计手段设计一个学习过程使之能有技地实现适当的内部表示法，Hinton等人(1984年)提出的Bolzmann机是这种方法的典型例子．它要求网络在两个不同的状态下达到平衡，并且只局限于对称网络。Barto和他的同事(1985年)提出了另一条利用统计手段的学习方法。但迄今为止有教和实用的方瑶是Rumelhart、Hinton和Williams(1986年)提出的一般Delta法则，即反向传播(BP)算法。Parter(1985年)也地得出过相似的算法,他称之为学习逻辑。此外， Lecun(1985年)也研究出大致相似的学习法则。

matlab BP神经网络中，后算出的MSE值应该为多少？

表示对网络训练结果的测试。

Mse的意思是均方误，当然越小越好。但这和你有多少训练样本，有多少训练课程有很大关系。

这个没有标准，每个人都知道零偏是的。但是，神经网络本身的致命缺陷被消除了，因为它是对解析表达式的迭代收敛逼近，所以不可能达到零误。

这样只能根据用户的工程技术要求来判断，误指标应该小于工程误范围啊。但对于科学研究来说，只能具体分析。量化没有明确或的意义。

扩展资料：

BP神经网络的计算过程包括正演计算过程和反演计算过程。在正向传播过程中，输入模式从输入层到隐藏单元层，再到输出层进行逐层处理。

每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到想要的输出，则误信号将沿原连接路径反向传播返回，并对每个神经元的权值进行修改，使误信号小化。

参考资料：

用BP神经网络建立数学模型，MATLAB实现，怎样得到输入到输出的计算公式

clear;

%输入数据矩阵

p1=zeros(1,1000);

p2=zeros(1,1000);

for i=1:1000

p1(i)=rand;

p2(i)=rand;

end

p=[p1;p2];

%目标（输出）数据矩阵

t = cos(pip1)+sin(pip2);

%对训练集中的输入数据矩阵和目标数据矩阵进行归一化处理

[pn, inputStr] = mapminmax(p);

[tn, outputStr] = mapminmax(t);

%建立BP神经网络

net = newff(pn, tn, [200,10]);

%每10轮回显示一次结果

net.trainParam.show = 10;

%训练次数

net.trainParam.epochs = 5000;

%网络的学习速率

net.trainParam.lr = 0.05;

%训练网络所要达到的目标误

net.trainParam.goal = 10^(-8);

%网络误如果连续6次迭代都没变化，则matlab会默认终止训练。为了让程序继续运行，用以下命令取消这条设置

net.divideFcn = '';

%开始训练网络

net = train(net, pn, tn);

%获取网络权值、阈值

netiw = net.iw;

netlw = net.lw;

netb = net.b;

w1 = net.iw{1,1}; %输入层到隐层1的权值

b1 = net.b{1} ; %输入层到隐层1的阈值

w2 = net.lw{2,1}; %隐层1到隐层2的权值

b2 = net.b{2} ; %隐层1到隐层2的阈值

w3 = net.lw{3,2}; %隐层2到输出层的权值

b3 = net.b{3} ;

in = mapminmax('apply',[0.1;0.5],inputStr);

%用公式计算输出

y=w3tansig(w2tansig(w1in+b1)+b2)+b3;

y1=mapminmax('rrse',y,outputStr);

%用网络验证计算结果

out = sim(net,in);

out1=mapminmax('rrse',out,outputStr);