BP人工神经网络的基本原理模型与实例PPT学习教案

1、会计学1BP人工神经网络的基本原理模型与实例人工神经网络的基本原理模型与实例第1页/共25页第2页/共25页第3页/共25页w1x1f ()w1x1第4页/共25页第5页/共25页第6页/共25页第7页/共25页w1x1f ()w1x1-1小练习：小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1w110.20.4第8页/共25页w1x1f ()w1x1+w2x2-1w2x2小练习：小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1x2w1w2100.20.40.4第9页/共25页w1w2wmxmx

2、2x1.f ()-1第10页/共25页输入层隐 藏 层-1-1-1 f f.xmx2x1.y1y2yn f f f f f f f-1输出层.第11页/共25页w1x1f ()w1x1+w2x2-1w2x2小练习：小练习：请你算一算，当初始输入、权重和激活阈值为如下数值时，该神经元的净输入和输出分别是多少？x1x2w1w2100.20.40.4第12页/共25页x1x2x3w14w15w24w25w34w35w46w564561010.2-0.30.40.1-0.50.2-0.3-0.20.4-0.2-0.1123456x1x3x2w14w15w24w25w34w35w46w56456初始输入

3、、权重和偏倚值小练习：小练习：请你算一算，各节点的净输入和净输出分别是多少？第13页/共25页单元 j净输入 Ij净输出 Oj123456x1x3x2w14w15w24w25w34w35w46w56456净输入和输出的计算40.2+0-0.5-0.4=-0.75-0.3+0+0.2+0.2=0.16-(0.3)(0.332)-(0.2)(0.525)+0.1=-0.1051/(1+e0.7)=0.3321/(1+e-0.1)=0.5251/(1+e0.105)=0.474第14页/共25页第15页/共25页123456x1x3x2w14w15w24w25w34w35w46w56456x1x2x

4、3w14w15w24w25w34w35w46w564561010.192-0.3060.40.1-0.5080.194-0.261-0.1380.408-0.194-0.218初始输入、权重和偏倚值小练习：小练习：若将各权值与阈值换成以上各值，各节点的净输入和净输出分别是多少？第16页/共25页单元 j净输入 Ij净输出 Oj123456x1x3x2w14w15w24w25w34w35w46w56456净输入和输出的计算40.192+0-0.306-0.408=-0.5225-0.306+0+0.194+0.194=0.0826-(0.3)(0.6276)-(0.2)(0.4795)+0.1=

5、-0.18421/(1+e-0.522)=0.62761/(1+e-0.1)=0.47951/(1+e-0.1842)=0.5459与0.474相比相比更接近更接近“1”了了第17页/共25页第18页/共25页第19页/共25页输出和期望输出进行比较，如果现行输出不等于期望输出，则进入反向传播过程。n2反向传播反向传播时，把误差信号按原来正向传播的通路反向传回，并对每个隐层的各个神经元的权系数进行修改，以望误差信号趋向最小。第20页/共25页第21页/共25页单元 j计算误差Errj123456x1x3x2w14w15w24w25w34w35w46w56456每个节点输入端误差Errj的计算E

6、rr4=Err5=-Err6=40.332(1-0.332)(0.1311)(-0.3)50.525(1-0.525)(0.1311)(-0.2)60.474(1-0.474)(1-0.474)-0.0087-0.00650.1311 w46 w56第22页/共25页权重或偏差新值w46-0.3+(0.9)(0.1311)(0.332)=-0.261w56-0.2+(0.9) (0.1311)(0.525)=-0.138w140.2+(0.9) (-0.0087)(1)=0.192w15-0.3+(0.9) (-0.0065)(1)=-0.306w240.4+(0.9) (-0.0087)(0)=0.4w250.1+(0.9) (-0.0065)(0)=0.1w34-0.5+(0.9) (-0.0087)(1)=-0.508w350.2+(0.9) (-0.0065)(1)=0.1946-0.1+(0.9) (0.1311)(