BP神经网络综合评价法

  BP神经网络综合评价法是一种交互式的评价方法,一种既能避免人为计取权重的不精确性, 又能避免相关系数求解的复杂性,还能对数量较大且指标更多的实例进行综合评价的方法,它可以根据用户期望的输出不断修改指标的权值,直到用户满意为止。因此,一般来说,人工神经网络评价方法得到的结果会更符合实际情况。

  BP神经网络是一种典型的多层前向神经网络,由输入层、隐,层和输出层组成,层与层之间采用全部连接方式,同层节点之间不存在相互连接,其中输入层节点仅在信号输入作用,输出层节点起线性加权作用,隐层节点负责对信息进行最主要的数学处理。不失一般性,设输入层有 M 个节点,隐层有L个节点,输出层有P个节点,样本数为N,输入向量为为隐层节点与输入层节点的连接权值,则隐层节点的输入和输出分别为:

  隐层节点的激励函数一般选取双曲正切函数或型函数等非线性函数,而输入层节点的激励函数一般选取等比喻出的线性函数。而输出层节点与隐层节点的连接权值为,则输入层节点的输出为:

  采用算法对网络进行训练。算法是非线性最小二乘无约束优化算法,其本质是高斯-牛顿法的改进方式,具有二阶收敛速度,既具有高斯-牛顿法的局部收敛方式,又具有梯度下降法的全局收敛特性。

转载于:https://www.cnblogs.com/Lamfai/p/10688446.html

你可能感兴趣的:(人工智能,python)