什么是反向傳播神經網絡(Backpropagation Neural Network)？

在程序設計、計算機和人工智能領域，反向傳播神經網絡就是一種使用反向傳播的人工神經網絡（ANN）。反向傳播是一種基本的，也是一種常用的算法，它指導人工神經網絡如何執行給定的任務。盡管這個概念看起來可能令人困惑，在看了...

在程序設計、計算機和人工智能領域，反向傳播神經網絡就是一種使用反向傳播的人工神經網絡（ANN）。反向傳播是一種基本的，也是一種常用的算法，它指導人工神經網絡如何執行給定的任務。盡管這個概念看起來可能令人困惑，在看了這個過程中所需要的方程之后，這個概念和完整的神經網絡是很容易理解的。女人用計算機做倒立，對于那些不熟悉神經網絡的人來說，一個ANN，或者僅僅是一個代表“神經網絡”的NN，是一種數學以現實生活中神經網絡的某些特征為模式的模型，如在生物中發現的。人腦是最終的神經網絡，其功能為如何改進人工神經網絡的結構和操作提供了一些線索。就像最原始的大腦一樣，人工神經網絡有一個相互連接的人工神經元網絡來處理信息。它的有趣之處在于，它可以根據它從環境和網絡內部接收到的信息，在必要時調整和修改它的結構。它是一個復雜的計算模型，使用非線性統計數據分析，能夠解釋數據之間的復雜關系，如輸入和輸出。它可以解決傳統計算方法無法解決的問題。反向傳播神經網絡的想法第一次出現在1969年，來自Arthur E.Bryson和Yu Chi Ho的工作，從1974年開始，反向傳播神經網絡被認為是人工神經網絡研究和創造的一個創新性突破神經網絡學習是人工神經網絡中的一項主要任務，它確保它能夠繼續正確地處理數據，從而正確地執行它的功能。反向傳播神經網絡使用delta規則的一種廣義形式來實現神經網絡學習。這意味著它利用了一個能夠計算的教師輸入到網絡中的特定輸入的期望輸出。換句話說，反向傳播神經網絡通過示例進行學習。程序員提供一個學習模型，在給定一組特定輸入的情況下，證明正確的輸出是什么。這個輸入輸出示例是教師或模型，網絡的其他部分可以在此之后對后續的計算進行模式化。整個過程按測量的間隔有條理地進行。給定一組確定的輸入，神經網絡應用從模型中學習的計算得出初始輸出。然后將該輸出與最初已知的、預期的或良好的輸出進行比較，并根據需要進行調整，在此過程中，計算出一個誤差值，然后通過反向傳播神經網絡來回傳播，直到確定最佳輸出