¿Qué es la red neuronal BP?

La idea básica del algoritmo BP es que el proceso de aprendizaje consta de dos partes: propagación hacia adelante de la señal y propagación hacia atrás del error. Durante la propagación hacia adelante, la muestra de entrada se introduce desde la capa de entrada y se procesa capa por capa; a través de cada capa oculta, y luego pasada a la capa de salida, si la salida de la capa de salida no coincide con el valor esperado, el error se utilizará como señal de ajuste y la señal se transmitirá capa por capa para procesarla; matriz de peso de conexión entre neuronas, reduciendo así el error. Después de un aprendizaje repetido, el error eventualmente se reducirá a un rango aceptable. Los pasos específicos son los siguientes:

1. Tome una muestra del conjunto de entrenamiento e ingrese la información en la red.

2. A través de las conexiones entre nodos y el procesamiento directo capa por capa, se obtiene la salida real de la red neuronal.

3. Calcular el error entre la salida real de la red y la salida esperada.

4. Devuelva el error a las capas anteriores capa por capa y cargue la señal de error en el peso de la conexión de acuerdo con ciertos principios, de modo que el peso de la conexión de toda la red neuronal se transforme en la dirección. de reducción de errores.

5. Repita los pasos anteriores para cada par de muestras de entrada y salida en el conjunto de entrenamiento hasta que el error de todo el conjunto de muestras de entrenamiento se reduzca para cumplir con los requisitos.