精选优质文档-倾情为你奉上BP神经网络基本原理2.1 BP神经网络基本原理 BP网络模型处理信息的基本原理是：输入信号Xi通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Yk，网络训练的每个样本包括输入向量X和期望输出量t，网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Tjk以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。2.2 BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。（1）节点输出模型隐节点输出模型：Oj=f(WijXi-q j) (1)输出节点输出模型：Yk=f(TjkOj-q k) (2)f-非线形作用函数；q -神经单元阈值。图1 典型BP网络结构模型（2）作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度
