《前馈神经网络和反馈神经网络模型(共3页).doc》由会员分享，可在线阅读，更多相关《前馈神经网络和反馈神经网络模型(共3页).doc（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上前馈神经网络前馈神经网络的结构一般包含输入层、输出层、及隐含层，隐含层可以是一层或多层。各神经元只接收前一层的输出作为自己的输入，并且将其输出给下一层，整个网络中没有反馈。每一个神经元都可以有任意多个输入，但只允许有一个输出。图1选择只含一个隐含层的前馈神经网络。其原理框图如图1所示。图1 三层前馈神经网络结构图输入层隐含层输出层图中，只有前向输出，各层神经元之间的连接用权值表示。设输入层有个输入信号，其中任一输入信号用表示；隐含层有个神经元，任一隐含层神经元用表示；输入层与隐含层间的连接权值为，；隐含层与输出层的连接权值为。假定隐含层神经元的输入为，输出为；输出层神
2、经元的输入为，网络总输出为。则此神经网络的状态方程可表示为： 式中，表示隐含层、输出层的输入和输出之间的传递函数，也称为激励函数。定义代价函数为瞬时均方误差： 式中，为训练信号。递归神经网络对角递归神经网络输入层输出层隐层图2 对角递归神经网络的结构图2为典型的对角递归神经网络，它具有三层结构，分别为输入层，隐层和输出层，在隐层的权值叠加中，引入了输入的前一时刻的输出作为反馈控制信号。选用这种网络的优点是结构简单，易于实现，可以直观的体现反馈神经网络的结构模式和工作方式。设输入层与隐层间的连接权值为 ，隐层与输出层之间的权值为，递归层的权值为。设输入层的输入为，隐层的输入为，输出为，输出层的输入为，输出层的输出为，则对角递归神经网络的状态方程为 定义代价函数为瞬时均方误差：专心-专注-专业