神经网络预测

前馈神经网络及其应用前馈神经网络结构及运行原理前馈神经网络的学习BP神经网络做预测小波网络做预测BP神经网络做分类人脑智能（生物神经系统）大脑内约含1000亿个神元神经系统是由这些神经元经过高度的组织与相互作用而构成的复杂的网络神经元神经元突触w人脑智能（生物神经系统）神经系统是有大量的神经元经过高度的组织与相互作用而构成的复杂网络神经元与神经元之间通过突触连接传递信息（相互作用）前馈神经网络及其应用前馈神经网络结构及运行原理前馈神经网络的学习BP神经网络做预测小波网络做预测BP神经网络做分类神经网络＝神经元＋连接神经元神经元连接神经网络的结构神经网络分类无反馈网络：前馈神经网络有反馈网络：递归神经网络神经网络拓扑结构前馈神经网络递归神经网络特点：神经元之间有反馈连接多层前馈网络结构与运行方式第1层（隐含层）第2层（隐含层）第3层（输出层）第0层（输入层）输入层MathModel多层前馈网络结构与运行方式第0层（输入层）第1层（隐含层）第2层（输出层）pa神经网络结构1、输入节点数，输出神经元个数2、隐层数，每个隐层中神经元个数3、每个神经元的传递函数f，权值W运行原理多层前馈网络结构与运行方式

hardlim函数：

logsig函数：

tansig函数：

purelin函数：

小波基函数：

常见的传递函数前馈神经网络结构怎样用这类网络模型模拟智能行为？学习、分类、识别、预测等前馈神经网络结构及运行原理前馈神经网络的学习BP神经网络做预测RBF神经网络用于预测小波网络用于预测前馈NN的学习MathModel学习pa神经网络香蕉的样子p香蕉的名字t训练样本Whatisnetworklearning?TheprocessofnetworkchangingconnectionweightsW前馈NN的学习•

SupervisedLearning

Networkisprovidedwithasetofexamples ofpropernetworkbehavior(inputs/targets)前馈NN的学习MathModel有监督的学习输入输出目标前馈NN学习目的：调节连接权pa神经网络训练样本学习过程输出目标输入W(old)W(new)学习网络的学习：通过样本不断调整权值学习好以后的网络：权值不再改变，所学的知识存储在权值中香蕉的样子香蕉的名字pa神经网络训练样本学习过程输出目标输入问题：怎样调整W？学习算法LearningsamplesLearningalgorithm权值的更新：多层前馈网络结构与运行方式第1层（隐含层）第2层（隐含层）第3层（输出层）第0层（输入层）单层网络模型数学模型BP神经网络BP神经网络信号前向传播误差反向传播信号前向传播ForwardPropagationpaBP神经网络多层前馈网络结构与运行方式第1层（隐含层）第2层（隐含层）第3层（输出层）第0层（输入层）Backpropagation误差反向传播Sensitivity：WeightUpdateBP网络的学习算法如何构建神经网络结构：输入层节点个数、隐层个数、输出层神经元个数，传递函数。如1-2-