目次
BP ニューラル ネットワークの原理
BP ニューラル ネットワークの定義
BP ニューラル ネットワークの基本構造 BP ニューラル
ネットワークのニューロン
BP ニューラル ネットワークの活性化関数と公式
fa-svm分類予測に基づくSVM適用例
コード
結果分析
Outlook
BPニューラルネットワークの原理
BP ニューラル ネットワークの定義
人工ニューラルネットワークは、入力と出力の間のマッピング関係の数式を事前に決定する必要はなく、独自のトレーニングを通じて特定の規則を学習するだけで、入力値が与えられたときに期待される出力値に最も近い結果を取得します。知的情報処理システムとしての機能を実現する人工ニューラルネットワークの核となるのはアルゴリズムです。BP ニューラル ネットワークは、誤差逆伝播 (誤差逆伝播と呼ばれます) によって学習された多層フィードフォワード ネットワークです。そのアルゴリズムは BP アルゴリズムと呼ばれます。その基本的な考え方は勾配降下法です。実際の誤差と誤差の平均二乗誤差は、 BP ニューラル ネットワークは、多数のトレーニング伝達関数を備えた成熟したニューラル ネットワークです。
BPニューラルネットワークの基本構造
基本的な BP アルゴリズムには、信号順伝播とエラー逆伝播の 2 つのプロセスが含まれます。つまり、誤差出力の計算は入力から出力の方向で実行され、重みとしきい値の調整は出力から入力の方向で実行されます。順伝播中、入力信号は隠れ層を介して出力ノードに作用し、非線形変換後に出力信号が生成されます。実際の出力が期待される出力と一致しない場合、誤差逆伝播プロセスに入ります。誤差逆伝播は、出力誤差を隠れ層を介して層ごとに入力層に戻し、誤差を各層のすべてのユニットに分配し、各層から得られた誤差信号を各層の重みを調整するための基礎として使用することです。ユニット。入力ノードと隠れ層ノード間の接続強度、隠れ層ノードと出力ノード間の接続強度、およびしきい値を調整することで、勾配方向に沿って誤差が減少し、学習とトレーニングを繰り返すと、ネットワーク パラメータが最小誤差に対応する (重みと閾値) が決定されます。)、トレーニングは停止します。このとき、訓練されたニューラルネットワークは、同様のサンプルの入力情報を自動的に分析できます。