一、m-p神經元模型：

神經網絡是由許多個神經云所構成，而一個單獨的神經元的結構如上圖所示。若一個神經元有n個輸入$x$，每一個輸入都要配有一個權值$w$，神經元的總輸入為:
$$\sum _{i=1}^n{w}_i{x}_i$$
生物的神經元需要收到一定程度的刺激才可被激活，所以用$\theta$表示神經元的閾值,當總輸入高于此值，該神經元才可被激活。神經元的輸出$y$取決于激發函數$$y=f(x)$$,神經元總輸入減去閾值得到的值:
$$\sum _{i=1}^n{w}_i{x}_i?\theta$$
作為激活函數的輸入.

二、BP神經網絡

1.結構圖如下：

2，BP神經網絡的特點

（1）BP神經網絡是一種多層網絡，包括輸入層、隱含層(≥1層)和輸出層；
（2）相鄰層之間的神經元全部互連，但同一層神經元之間不連接；
（3）神經元的的激發函數為S函數：
$$f(x)=\frac{1}{1+e^{?x}}$$
且有：$$f^{\prime }(x)=f(x)(1?f(x))$$
（4）學習算法由正向傳播和反向傳播組成；正向傳播得到輸入的真實輸出，反向傳播根據真實輸出與理想輸出之間的差值更新神經網絡中的權值。
（5）權值通過δ學習算法進行調節；

δ學習算法

總結

以上是生活随笔為你收集整理的BP神经网络公式推导的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。