?最近在打基礎，大致都和向量有關，從比較基礎的人工智能常用算法開始，以下是對BP算法研究的一個小節。

?? ? ?本文只是自我思路的整理，其中舉了個例子，已經對一些難懂的地方做了解釋，有興趣恰好學到人工智能對這塊不能深入理解的，可以參考本文。

?? ? ?因為大部分涉及公式，我就直接貼圖了，請諒解，如果需要全文可以聯系@梁斌penny 謝謝。

通過帶*的權重值重新計算誤差，發現誤差為0.18，比老誤差0.19小，則繼續迭代，得神經元的計算結果更加逼近目標值0.5

?

感想

?在一個復雜樣本空間下，對輸入和輸出進行擬合

（1）??????多少個hidden unit才能符合需要（hidden unit就是圖中的P，Q）

（2）??????多少層unit才能符合需要（本例為1層）

（3）??????如果有n層，每層m個unit，k個輸入，1個輸出，那么就有K*m^(n+1)條邊，每條邊有一個權重值，這個計算量非常巨大

（4）??????如果k個輸入，1個輸出，相當于將k維空間，投射到一個1維空間，是否可以提供足夠的準確性，如果是k個輸入，j個輸出，j比k大，是否是一個升維的過程，是否有價值？

?

收獲

1）? 了解偏導。

2）? 了解梯度。

3）? 產生新的思考

?

參考文獻：

1?http://en.wikipedia.org/wiki/Linear_least_squares_(mathematics)

2?http://www.rgu.ac.uk/files/chapter3%20-%20bp.pdf

3?http://www.cedar.buffalo.edu/~srihari/CSE574/Chap5/Chap5.3-BackProp.pdf

驗證代碼：

#include "stdio.h" #include <math.h> const double e = 2.7182818; int main(void) {double input[] = {0.35,0.9};double matrix_1[2][2]={{0.1,0.4},{0.8,0.6},};double matrix_2[] = { 0.3,0.9 };for(int s= 0; s<1000; ++s){double tmp[] = {0.0,0.0};double value = 0.0;{for(int i = 0;i<2;++i){for(int j = 0;j<2;++j){tmp[i] += input[j]*matrix_1[j][i];}tmp[i] = 1/(1+pow(e,-1*tmp[i]));}for(int i = 0;i<2;++i){value += tmp[i]*matrix_2[i];}value = 1/(1+pow(e,-1*value));}double RMSS = (0.5)*( value - 0.5)*(value-0.5);printf("%f,%f\n",value,RMSS);if(value - 0.5 < 0.01){break;}double E = value - 0.5;matrix_2[0] = matrix_2[0] - E*value*(1-value)*tmp[0];matrix_2[1] = matrix_2[1] - E*value*(1-value)*tmp[1];//printf("##%f,%f\n",matrix_2[0],matrix_2[1]);matrix_1[0][0] = matrix_1[0][0] - E*value*(1-value)*matrix_2[0]*tmp[0]*(1-tmp[0])*matrix_1[0][0];matrix_1[1][0] = matrix_1[1][0] - E*value*(1-value)*matrix_2[0]*tmp[0]*(1-tmp[0])*matrix_1[1][0];matrix_1[0][1] = matrix_1[0][1] - E*value*(1-value)*matrix_2[0]*tmp[0]*(1-tmp[1])*matrix_1[0][1];matrix_1[1][1] = matrix_1[1][1] - E*value*(1-value)*matrix_2[0]*tmp[0]*(1-tmp[1])*matrix_1[1][1];//printf("##%f,%f\n",matrix_1[0][0],matrix_1[1][0]);//printf("##%f,%f\n",matrix_1[0][1],matrix_1[1][1]);}return 0; }

from:?http://blog.csdn.net/pennyliang/article/details/6695355

總結

以上是生活随笔為你收集整理的BP反向传播算法浅谈（Error Back-propagation）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。