Implementación simple de la red neuronal feedforward BPNN

Dividido en 4 pasos

inicialización

Utilice funciones aleatorias para asignar pesos y sesgos. Además de la capa de entrada, es necesario agregar sesgos.

Calcular la salida

Calcular la salida de cada neurona.

Error de cálculo

Error de cálculo de la capa de salida

Error de cálculo de la capa intermedia

Ajustar pesos y sesgos

Entre ellos, L es la tasa de aprendizaje, que se puede establecer en 0,9. A continuación, ajuste el peso.

lograr

El código de implementación de Matlab es el siguiente

%% 简单前馈神经网络

% 初始化权重和偏置
W12=rand([3,2]);
W23=rand([2,1]);

B12=rand([1,2]);
B23=rand([1,1]);
% 输出
input=[1,0,1];

for i=1:1000
    % 计算输出
    S2=input*W12+B12;
    O2=(1+exp(-S2)).^-1;
    S3=O2*W23+B23;
    O3=(1+exp(-S3)).^-1;

    % 计算误差
    E3=O3.*(1-O3).*(1-O3);
    E2=O2.*(1-O2).*(sum(W23*E3,2).'); 

    % 调整
    W23=W23+(0.9)*O3.*E3;
    W12=W12+(0.9)*O2.*E2;

    B12=B12+(0.9)*E2;
    B23=B23+(0.9)*E3;
end