一、m-p神經(jīng)元模型：

神經(jīng)網(wǎng)絡(luò)是由許多個(gè)神經(jīng)云所構(gòu)成，而一個(gè)單獨(dú)的神經(jīng)元的結(jié)構(gòu)如上圖所示。若一個(gè)神經(jīng)元有n個(gè)輸入$x$，每一個(gè)輸入都要配有一個(gè)權(quán)值$w$，神經(jīng)元的總輸入為:
$$\sum _{i=1}^n{w}_i{x}_i$$
生物的神經(jīng)元需要收到一定程度的刺激才可被激活，所以用$\theta$表示神經(jīng)元的閾值,當(dāng)總輸入高于此值，該神經(jīng)元才可被激活。神經(jīng)元的輸出$y$取決于激發(fā)函數(shù)$$y=f(x)$$,神經(jīng)元總輸入減去閾值得到的值:
$$\sum _{i=1}^n{w}_i{x}_i?\theta$$
作為激活函數(shù)的輸入.

二、BP神經(jīng)網(wǎng)絡(luò)

1.結(jié)構(gòu)圖如下：

2，BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

（1）BP神經(jīng)網(wǎng)絡(luò)是一種多層網(wǎng)絡(luò)，包括輸入層、隱含層(≥1層)和輸出層；
（2）相鄰層之間的神經(jīng)元全部互連，但同一層神經(jīng)元之間不連接；
（3）神經(jīng)元的的激發(fā)函數(shù)為S函數(shù)：
$$f(x)=\frac{1}{1+e^{?x}}$$
且有：$$f^{\prime }(x)=f(x)(1?f(x))$$
（4）學(xué)習(xí)算法由正向傳播和反向傳播組成；正向傳播得到輸入的真實(shí)輸出，反向傳播根據(jù)真實(shí)輸出與理想輸出之間的差值更新神經(jīng)網(wǎng)絡(luò)中的權(quán)值。
（5）權(quán)值通過δ學(xué)習(xí)算法進(jìn)行調(diào)節(jié)；

δ學(xué)習(xí)算法

總結(jié)

以上是生活随笔為你收集整理的BP神经网络公式推导的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。