反向傳播神經網路，backpropagation neural network，大數據新詞。
2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布試用。
基本介紹
- 中文名：反向傳播神經網路
- 外文名：backpropagation neural network
反向傳播神經網路，backpropagation neural network，大數據新詞。
2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布試用。
反傳播神經網路的學習過程由正向和反向兩部分組成，正向傳播過程中，輸入信號從輸入層經隱含層逐層處理傳向輸出層，每一層神經元的狀態只影響下一層神經元的狀態。如果在輸出層不能得到期望的輸出值，則把網路輸出的錯誤歸結為連線權的“過錯”。通過把輸出層單元的誤差逐層向輸入層反向傳播以分攤給各單元，從而獲得...
反向傳播神經網路 反向傳播神經網路，backpropagation neural network，大數據新詞。2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布試用。
反向傳播算法，簡稱BP算法，適合於多層神經元網路的一種學習算法，它建立在梯度下降法的基礎上。BP網路的輸入輸出關係實質上是一種映射關係：一個n輸入m輸出的BP神經網路所完成的功能是從n維歐氏空間向m維歐氏空間中一有限域的連續映射，這一映射具有高度非線性。它的信息處理能力來源於簡單非線性函式的多次複合，因此...
反向傳播模型是一種多層前饋神經元網路的學習算法。反向傳播模型(back propagation model)亦稱BP算法一種多層前饋神經元網路的學習算法. 由魯梅哈特(Rumelhart , D.)等人於1985年提出. 這個模型含有輸人節點、輸出節點及一層或多層隱節點，其結構如圖1所示.輸人信號先向前傳播到隱節點，經過作用函式的運算，把信息送...
《一種反向傳播神經網路DNN的訓練系統》是百度線上網路技術（北京）有限公司於2013年2月22日申請的發明專利，該專利的申請號為2013100575983，公布號為CN103150596A，授權公布日為2013年6月12日，發明人是歐陽劍。《一種反向傳播神經網路DNN的訓練系統》包括：第一圖形處理器組，用於進行DNN前向計算和權重更新計算；第...
BP神經網路是一種按誤差反向傳播(簡稱誤差反傳)訓練的多層前饋網路，其算法稱為BP算法，它的基本思想是梯度下降法，利用梯度搜尋技術，以期使網路的實際輸出值和期望輸出值的誤差均方差為最小。基本BP算法包括信號的前向傳播和誤差的反向傳播兩個過程。即計算誤差輸出時按從輸入到輸出的方向進行，而調整權值和閾值則...
《寫給新手的深度學習——用Python學習神經網路和反向傳播》一書以Python為基礎，不藉助TensorFlow、PyTorch等任何框架，以淺顯易懂的語言，結合大量圖示，對機器學習、深度學習、AI相關技術中的通用技能進行了解說。主要內容包括深度學習的概念，Python基礎，深度學習必備數學知識，神經網路的結構及編程實現，反向傳...
人工神經網路 人工神經網路（Artificial Neural Networks，ANN）系統是 20 世紀 40 年代後出現的。它是由眾多的神經元可調的連線權值連線而成，具有大規模並行處理、分散式信息存儲、良好的自組織自學習能力等特點。BP（Back Propagation）算法又稱為誤差 反向傳播算法，是人工神經網路中的一種監督式的學習算法。BP 神經...
誤差反向傳播法是Rumelhart等在1986年提出的，即BP(error BackPropagation)法影響最為廣泛，也稱BP算法。直到今天，BP算法仍然是自動控制上最重要、套用最多的有效算法。是用於多層神經網路訓練的著名算法，有理論依據堅實、推導過程嚴謹、物理概念清楚、通用性強等優點。但是，人們在使用中發現BP算法存在收斂速度緩慢、易...
BP神經網路的學習規則, 即權值和閾值的調節規則採用的是誤差反向傳播算法( BP算法)。BP 算法實際上是W idrow -Hoff算法在多層前向神經網路中的推廣。和W idrow- H off算法類似，在BP算法中，網路的權值和閾值通常是沿著網路誤差變化的負梯度方向進行調節的，最終使網路誤差達到極小值或最小值, 即在這一點誤差...
先闡述Hopfield網路和ABAM（自適應雙向聯想記憶），然後，更詳細地闡述Kohonen網路。Kohonen學習是神經網路提供的一種最重要的無監督（或是自組織）學習方式，由進行訓練流程的樣本標誌所生成的最有價值的結果。在第三篇中，討論了多層網路以及在這些網路中的學習，介紹了目標的對傳和誤差反向傳播的學習方案。對傳網路...
《人工神經網路原理》介紹了人工神經網路的基本理論，系統地闡述了六種典型的人工神經網路模型，即早期的感知機神經網路、自適應線性元件神經網路、誤差反向傳播神經網路、Hopfield神經網路、B0ltzmann機和自適應共振理論神經網路，以及它們的網路結構、學習算法、工作原理及套用實例，為讀者深入了解和研究人工神經網路奠定了...
《神經網路簡介》是慕課網提供的慕課課程，授課老師是Erik_Song。課程簡介 通過邏輯回歸模型的介紹，講解激勵函式，損失函式，梯度下降等概念，通過一個富有代表性的神經網路模型，結合機器學習基本概念講解了神經網路的學習訓練過程，深入直觀的剖析了神經網路中反向傳播等核心算法，幫助大家舉一反三，深入理解。課程大綱 ...
1.1 人工神經網路概述 1.2 人工神經網路的發展趨勢 1.3 人工神經網路與其他智慧型方法的融合 1.4 本章小結 第2章 前饋型神經網路 2.1 BP誤差反向傳播神經網路 2.2 RBF徑向基函式神經網路 2.3 CMAC小腦神經網路 2.4 RBF神經網路在平面剛架結構損傷辨識中的套用 2.5 本章小結 第3章 反饋型神經...
Jordan網路使用反向傳播算法（Back-Propagation, BP）進行學習，並在測試中提取了給定音節的語音學特徵。之後在1990年，Jeffrey Elman提出了第一個全連線的RNN，即Elman網路。Jordan網路和Elman網路都從單層前饋神經網路出發構建遞歸連線，因此也被稱為簡單循環網路（Simple Recurrent Network, SRN）。在SRN出現的同一時期，...
10.2.1 ADALINE網路153 10.2.2 均方誤差154 10.2.3 LMS算法156 10.2.4 收斂性分析157 10.2.5 自適應濾波器159 10.3 小結164 10.4 例題165 10.5 結束語174 10.6 擴展閱讀174 10.7 習題175 第11章 反向傳播179 11.1 目標179 11.2 理論與例子179 11.2.1 多層感知機179 11.2.2...
在監督學習時，遞歸神經網路使用反向傳播算法（Back-probagation, BP）更新權重參數，計算過程可類比循環神經網路的隨時間反向傳播（BP Through Time, BPTT）算法。非監督學習的遞歸神經網路被用於結構信息的表征學習（feature learning），其中最常見的組織形式是遞歸自編碼器（Recursive Auto-Encoder, RAE）。算法 長短期...
《c#神經網路編程》是2019年機械工業出版社出版的圖書，作者（美）馬特·R.科爾（Matt R.Cole）。內容簡介 本書遵循循序漸進、兼顧理論和實踐的原則，從神經網路基本概念入手，以圖文並茂的形式生動地講解激活函式和反向傳播等概念原理，並以人臉識別和動作檢測為例，讓讀者直觀地了解深度學習的套用場景，在知識內容...
123多層網路即計算圖15 13利用反向傳播訓練神經網路16 14神經網路訓練中的實際問題19 141過擬合問題19 142梯度消失與梯度爆炸問題22 143收斂問題22 144局部最優和偽最優22 145計算上的挑戰23 15複合函式的能力之謎23 151非線性激活函式的重要性25 152利用深度以減少參數26 153非常規網路架構27 16常見網路架構28 1...
J-S.R.Jang提出的自適應神經模糊推理系統是一種將模糊邏輯和神經元網路有機結合的新型的模糊推理系統結構，採用反向傳播算法和最小二乘法的混合算法調整前提參數和結論參數，並能自動產生If-Then規則。基於自適應神經網路的模糊推理系統ANFIS(Adaptive Network-based Fuzzy Inference System)將神經網路與模糊推理有機的...
《深入淺出神經網路與深度學習》是2020年人民郵電出版社出版的圖書，作者是[澳] 麥可·尼爾森（Michael Nielsen）。內容簡介 本書深入講解神經網路和深度學習技術，側重於闡釋深度學習的核心概念。作者以技術原理為導向，輔以貫穿全書的MNIST手寫數字識別項目示例，介紹神經網路架構、反向傳播算法、過擬合解決方案、卷積...
1.2人工神經網路及其在勘探地球物理反演中的套用概述 1.3本書的背景和主要成果 第二章人工神經網路基礎 2.1生物神經網路 2.2人工神經網路 2.3誤差反向傳播神經網路(bp)第三章bp神經網路在測井反演中的套用 3.1引言 3.2岩性識別 3.3儲層參數反演 3.4影響因素和結論 第四章地震數據控制下的測井參數外推 4...
ART就是這樣一種能自組織地產生對環境認識編碼的神經網路理論模型。ART理論可以用於語音、視覺、嗅覺和字元識別等領域。背景 人類智慧型的特性之一是能在不忘記以前學習過的事物的基礎上繼續學習新事物。這項特性是目前多數類神經網路模型所欠缺的，這些類神經網路模型(例如反向傳播類神經網路)一般都需要事先準備好的訓練...
3.2 自定義神經網路框架的基本設計 34 3.2.1 神經網路框架的抽象實現 34 3.2.2 自定義神經網路框架的具體實現 35 3.3 本章小結 43 第4章 一學就會的深度學習基礎算法詳解 44 4.1 反向傳播神經網路的前身歷史 44 4.2 反向傳播神經網路兩個基礎算法詳解 47 4.2.1 最小二乘法詳解 48 4...
2 - 2 有助於理解神經網路的數列和遞推關係式 46 2 - 3 神經網路中經常用到的Σ符號 51 2 - 4 有助於理解神經網路的向量基礎 53 2 - 5 有助於理解神經網路的矩陣基礎 61 2 - 6 神經網路的導數基礎 65 2 - 7 神經網路的偏導數基礎 72 2 - 8 誤差反向傳播法必需的鏈式法則 76 2 ...
每一個下級網路使用上一級網路輸出的結果。以3596~500 cm-1波段每12 cm-1取259個點作為神經網路的輸入，輸出為“1”和“0”，分別代表子結構存在和不存在。使用了含有一個隱含層30個節點的反向傳播神經網路對每個子結構進行識別，對化合物作了全面但較為粗略的分類，涉及了資料庫中一些常見化合物。這些研究中大...