反向傳播（reverse propagation）是1997年公布的鐵道科學技術名詞。
基本介紹
- 中文名：反向傳播
- 外文名：reverse propagation
- 所屬學科：鐵道科學技術
- 公布時間：1997年
- 審定機構：全國科學技術名詞審定委員會
公布時間,出處,
反向傳播
相關詞條
- 反向傳播模型
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...
- 反向傳播
反向傳播 反向傳播（reverse propagation）是1997年公布的鐵道科學技術名詞。公布時間 1997年，經全國科學技術名詞審定委員會審定發布。出處 《鐵道科學技術名詞》第一版。
- 反向傳播網路
反向傳播網路(back propagation network，簡稱BP網路）一種神經元網路。基於神經元網路進行機器學習(機器獲取新知識和新技能，並識別現有知識)的一種方法。網路原理 BP網路是一種前饋式神經元網路，這種網路是1985年提出.在這種網路中，有兩種信號在流動:一是工作信號，它是施加輸入信號後向前傳播，直到在輸出端產生實際...
- 誤差反向傳播算法
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...
- 一種反向傳播神經網路DNN的訓練系統
《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...
- 反向傳播神經網路
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。
- 寫給新手的深度學習——用Python學習神經網路和反向傳播
《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...
- 反響傳播
反響傳播指的是從最後一層反饋到第一層，並被用來計算誤差相對於網路中每個單元權重的導數。簡介 在實際操作中，這只是簡單地將兩個梯度數值相乘。反響傳播從尾部開始，根據鏈式法則遞歸地向前計算梯度。反響傳播從從最上層的節點f開始，初始值為1，以層為單位進行處理。節點接受f傳送的1並乘以該節點的偏導值-4等於...
- BP算法
BP算法是由學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。由於多層前饋網路的訓練經常採用誤差反向傳播算法，人們也常把將多層前饋網路直接稱為BP網路。原理 BP算法由信號的正向傳播和誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層進入網路，經隱層逐層傳遞至輸出層，如果輸出層的實際輸出與期望...
- BP神經網路
20世紀80年代中期，David Rumelhart。Geoffrey Hinton和Ronald W-llians、DavidParker等人分別獨立發現了誤差反向傳播算法(Error Back Propagation Training)，簡稱BP，系統解決了多層神經網路隱含層連線權學習問題，並在數學上給出了完整推導。人們把採用這種算法進行誤差校正的多層前饋網路稱為BP網。BP神經網路具有任意複雜...
- 卷積層
卷積神經網路中每層卷積層（Convolutional layer）由若干卷積單元組成，每個卷積單元的參數都是通過反向傳播算法最佳化得到的。卷積運算的目的是提取輸入的不同特徵，第一層卷積層可能只能提取一些低級的特徵如邊緣、線條和角等層級，更多層的網路能從低級特徵中疊代提取更複雜的特徵。神經網路 卷積神經網路（Convolutional ...
- 循環神經網路
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，...
- TensorFlow與自然語言處理套用
第2章 深度學習基礎。首先介紹深度學習的概念和演變過程，同時介紹了深度學習的基礎模型——神經元模型，並對單層神經網路和多層神經網路模型（深度學習）的結構和原理進行了深度解讀；然後介紹Encoder-Decoder網路和深度學習中最常見的最佳化算法——隨機梯度下降；最後介紹反向傳播算法（BP算法）。第3章 TensorFlow。首先...
- 深入淺出神經網路與深度學習
《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...
- 駐波運動
駐波運動（standing wave movement）是四大地殼波浪系統，波浪由窪陷極傳播到隆起極之後便作反向傳播而出現反向同頻波浪的干涉現象。簡介 它似固定在一個地方不再前進，只是波腹部位上下運動,而波節部位受到的應力十分集中（在很窄的帶狀地帶劇烈波動）。這正是地塊和造山帶的位置，從元古宙以來無太大變化的原因之一。
- 極限學習機
極限學習機（Extreme Learning Machine, ELM）或“超限學習機”是一類基於前饋神經網路（Feedforward Neuron Network, FNN）構建的機器學習系統或方法，適用於監督學習和非監督學習問題。ELM在研究中被視為一類特殊的FNN，或對FNN及其反向傳播算法的改進，其特點是隱含層節點的權重為隨機或人為給定的，且不需要更新，學習...
- 神經網路BP算法
它是Ru::飛ellart等人提出的一個監督幻練多層神經網路的算法，每一個訓練範例在網路中經過兩遍傳遞計算: 一遍向前傳播計算，從輸人層開始，傳遞各層並經過處理後， 產生一個輸出，夕乖得到一個該實際輸出和所需輸出之差的差 錯矢最;一遍向反向傳播計算，從輸出層至輸人層，利用差錯 矢量對權值進行逐層修改.BP...
- 前饋神經網路
BP網路是指連線權調整採用了反向傳播（Back Propagation）學習算法的前饋網路。與感知器不同之處在於，BP網路的神經元變換函式採用了S形函式（Sigmoid函式），因此輸出量是0~1之間的連續量，可實現從輸入到輸出的任意的非線性映射。RBF網路 RBF網路是指隱含層神經元由RBF神經元組成的前饋網路。RBF神經元是指神經元的...
- 從零開始構建深度前饋神經網路(Python+TensorFlow 2.x)
前饋神經網路是深度學習的重要知識，其核心思想是反向傳播與梯度下降。本書從極易理解的示例開始，逐漸深入，幫助讀者充分理解並熟練掌握反向傳播與梯度下降算法，為後續學習打下堅實的基礎。本書延續理論與實踐並重的風格，先以圖文方式講解算法思想，再以Python+NumPy實現算法，然後再給出TensorFlow實現的版本，幫助...
- 神經網路及其在化學中的套用
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。對傳網路由兩層構成：上面層執行Kohonen學習，輸出層執行對目標加權的修正，這些目標從網路的反向部分一端（即從輸出端）輸入到網路中。誤差反向傳播是套用最廣泛的神經網路學習方法。現在，全部套用的90%是用誤差反向...
- 機器學習入門基礎(微課版)
11.3反向傳播算法173 11.3.1反向傳播算法概述173 11.3.2反向傳播算法流程174 11.3.3反向傳播算法總結178 習題179 參考文獻182 第12章支持向量機183 12.1支持向量機概述183 12.1.1算法思想183 12.1.2背景知識184 12.2線性可分支持向量機185 12.2.1算法思想185 12.2.2求解步驟186 12.3線性支持向量機...
