传统BP与遗传算法简介 汇报人：1：单神经元模型 2：传统的BP神经网络 3：传统的遗传算法 4：总结 1 1 单 单 神经元模型 神经元模型 如图中 如图中 为神经元的内部状态， 为神经元的内部状态， 为阈值， 为阈值， 为输 为输 入信号， 入信号， ， ， 为表示从单元 为表示从单元 到单元 到单元 的连 的连 接权系数， 接权系数， 为外部输入信号。 为外部输入信号。 神经元模型可描述为： 神经元模型可描述为： 其中 其中 为激活函数（进行非线性化） 为激活函数（进行非线性化）2 传统BP 神经网络 神经网络 BP BP 算法又称为 算法又称为 误差反向传播 误差反向传播 算法，它是一个迭代 算法，它是一个迭代 算法，其基本思想是 算法，其基本思想是 梯度下降法 梯度下降法 。采用梯度搜索技术 。采用梯度搜索技术 ，使网络的实际输出值与期望输出值的 ，使网络的实际输出值与期望输出值的 误差均方值 误差均方值 为 为 最小。 最小。 输入层 隐含层 输出层1. 前向传播：将训练集数据输入到神经网络的输入层，经过隐 藏层，最后达到输出层并输出结果。 神经元h1的输入加权和： 神经元
