网络地址分类-撑腰

龙源期刊网 http:
讨论人工神经网络数学模型的建立

作者：常青

来源：《数字技术与应用》2017年第05期

摘要：人脑的信息处理具有非线性的特点。人工神经网络模型是模拟人脑神经系统的非线
性网络模型。本 文首先简述人工神经网络；然后描述BP网络模型及实现弹性BP算法的BP网
络设计；最后介绍网络训 练和测试。
关键词：人工神经网络；BP网络；模型
中图分类号：TD45 文献标识码：A 文章编号：1007-9416（2017）05-0247-01
1 BP网络模型
（1）BP网络概述。BP神经网络也 称为反向传播网络，相关神经元在这一网络结构中分
层排列，通过信息输入层以及信息隐含层和信息输出 层，以此实现对相关网络结构进行全面连
接。在此连接过程中，神经网络前层结构中的相关信息，输出单 元无法反馈到信息输出层的更
前层。因此，在此网络模型中，各层既相互连接又独立连接。
（2）BP人工神经网络模型的实施流程及BP算法。在模型中只要对输出节点以及输入节
点的数目进行 调整即可。但是，在具体应用实施过程中，需要按照一定的标准流程进行分析。
最后，对采样数据运算结 果进行修正。
BP人工神经网络模型中，除了具有信息输出与输入节点之外，还具有 一个或一个以上的
信息隐含节点。因此，当采用上述模型对实际项目进行分析时，首先应使信息通过输入 层进入
到隐含层节点位置，然后经过模型分析，最终再将运算之后的数据由隐含节点输出到信息的输出节点，并输出科学的运算结果。而在此过程中，三个不同节点之间的相关采样信息数据的运
算，一 般采用以下数据模型进行计算分析：
在上述S型激励函数模型中，调整此激励函数形 式的Sigmoid参数采用Q表示。因此，下
一层神经元的状态只会受到上一层神经元状态的影响。但 是，在上述模型分析运算过程中，如
果输出层中的信息与期望输出信息之间存在一定的偏差，则相关采样 信息会进行反向传播，并
将数据结果的运行误差，按照原始运行程序返回至原连接通道，从而再次进行循 环运行，以此
对网络模型各层神经元的权值进行修正，以此获得最终修正结果[2]。
在BP网络结构设计中，有关研究表示连续函数可使用隐含层的BP网络来接近，这样就
会使得3层BP 网络完成任一个N-M维的映射。输入层节点数与样本输入时的特征有较大的联
系，直接由之决定，输出 节点数可按照样本期望输出项目而定。隐层节点中，数目多，其收敛
速度会相应的变慢，且速度处于不稳 定状态，进而增加初始权值敏感度，网络泛化能力相应降
低，计算隐层节点数，可使用以下公式：