Matlab之BP神经网络学习------ Day 1_matalab中bp神经网络的隐含层神经元单元怎样找

一：BP神经网络概述

BP神经网络是一种多层前馈神经网络，网络主要特点是信号前向传递，误差反向传递。BP神经网络传递基本流程为：输入层--->逐层处理--->输出层（媒介：隐含层）。值得注意的事：每一层神经元状态只影响下一神经元状态。若得不到期望的输出，则反向传播，根据预测误差调整网络权值与阀值，从而使BP神经网络预测预值不断逼近期望值。

拓扑结构图：

此结构图是经典网络结构图：x1、x2...xn作为输入值，y1、y2...yn作为输出值；而wij、wjk作为权值，输入值与输出值作为函数自变量与因变量，即x--->y的映射关系。

二：BP神经网络预测基本步骤：

1：网络初始化：通过数据序列（X，Y）确定输入层结点个数m，输出层结点个数n，隐含层结点个数l，初始化连接权值wij，wjk；初始化隐含层阀值和输出层阀值，确定学习速率及神经元激励函数。

2:隐含层输出计算：根据输入变量，权值wij，隐含层阀值，计算隐含层输出值。

3:输出层输出计算：根据隐含层输出值，权值wjk，输出层阀值，计算输出值。

4:误差计算：根据网络预测输出与实际输出计算误差。

5:权值更新：根据误差更新权值。

6：阀值更新：根据误差更新阀值。

7:判断算法迭代是否结束，若未结束，则返回步骤二。

（此博客仅个人总结，参考书籍为《Matlab43个案例分析》王小川等编著）