BP神经网络基础理论
BP模型原理与模型结构
【结构】BP神经网络的模型数学表达式
作者 : 老饼 日期 : 2022-10-25 15:44:38 更新 : 2022-10-26 13:15:39
本站原创文章,转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com


本文讲述BP神经网络的数学表达式,通过数学表达式,

可以更清晰、具体、直观地了解BP神经网络背后的意义,使BP神经网络不再抽象


   01. BP神经网络的数学表达式   


在这里,我们先用一个简单例子,讲述BP神经网络的数学表达式,

通过本例可以形象地知道BP神经网络拓扑图与数学表达式的对应关系 



   例子配置   


现有一个BP神经网络,它的结构如下 
 
1、一个输入层,一个隐层,一个输出层, 输入层、隐层、输出层的节点个数分别为 [2 ,3,1]。
2、传递函数设置:隐层( tansig函数),输出层(purelin函数)。                                           
相对应的模型拓扑图如下



   例子数学表达式   


可以根据模型写出BP神经网络的数学表达式如下

PASS: 表达式中参数很多,但实际只有两类参数:权重w和阈值b。              
代表这个权值是第2层的第2个节点到第3层的第1个节点的权值。         
代表这个阈值是第2层的第1个节点的阈值。                                          
备注:权重矩阵w的下标,一般由后层到前层,这样在矩阵表述时更为简洁    





   02. 三层BP神经网络数学表达式的矩阵形式   


    三层结构的数学表达式的矩阵形式    


对于三层BP神经网络的表达式,写成通用的矩阵形式为

 


这里的
为矩阵,为向量,
上标
分别代表输出层(out)和隐层(hide),
例如,2输入,4隐节点,2输出的BP神经网络可以图解如下:

 
✍️备注
 可以看到,权重矩阵的第一个下标是下层的神经元索引,第二个下标 才是前层索引
如下:


 



对于多层的BP神经网络的数学表达式,也是类似的思路,不再讲述





 End 











联系老饼