提供网站建设定制,建立中英文网站,最新新闻事件今天国内大事2022,360浏览器下载让我们了解反向传播网络 (BPN) 中的误差是如何计算的以及权重是如何更新的。
考虑下图中的以下网络。 反向传播网络（BPN） 上图中的网络是一个简单的多层前馈网络或反向传播网络。它包含三层，输入层有两个神经元 x 1和 x 2，隐藏层有两个神经元 z 1和 z 2，输出层有一个神经…让我们了解反向传播网络 (BPN) 中的误差是如何计算的以及权重是如何更新的。
考虑下图中的以下网络。 反向传播网络（BPN） 上图中的网络是一个简单的多层前馈网络或反向传播网络。它包含三层，输入层有两个神经元 x1和 x2，隐藏层有两个神经元 z1和 z2，输出层有一个神经元 yin 。
现在让我们写下每个神经元的权重和偏差向量。 注：权重是随机取的。
输入层：i/p – [x1x2] = [0 1]
这里，由于它是输入层，因此仅存在输入值。 隐藏层：z1– [v11v21v01] = [0.6 -0.1 03]
这里v11指的是第一输入x1在z1上的权重，v21指的是第二输入x2在z1上的权重，v01指的是z1上的偏差值。
z2– [v12v22v02] = [-0.3 0.4 0.5]
这里v12指的是第一输入x1在z2上的权重，v22指的是第二输入x2在z2上的权重，v02指的是z2上的偏差值。
输出层：yin– [w11w21w01] = [0.4 0.1 -0.2]
这里w11指的是隐藏层中的第一神经元z1在yin上的权重，w21指的是隐藏层中的第二神经元z2在yin上的权重，w01指的是yin上的偏差值。让我们考虑三个变量，k 指的是输出层中的神经元，'j' 指的是隐藏层中的神经元，'i' 指的是输入层中的神经元。 所以，
k = 1
j = 1, 2（表示隐藏层中的第一个神经元和第二个神经元）
i = 1, 2（表示输入层中的第一个和第二个神经元）
以下是 BPN 中需要遵循的一些条件。
条件/限制：
