1.2模型參數(shù)的確定
1.2.1BP網(wǎng)絡(luò)模型結(jié)構(gòu)參數(shù)的確定
網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的選取十分重要，直接影響網(wǎng)絡(luò)的表達(dá)能力和收斂速度，這里選取隱層一層進(jìn)行建模。輸入層和輸出層的神經(jīng)元個(gè)數(shù)按實(shí)際需要確定，隱含層個(gè)數(shù)按柯爾莫哥洛夫定理取為2m +1(m為輸入數(shù)據(jù)個(gè)數(shù))。
1.2.2初時(shí)權(quán)值的選取
連接權(quán)系數(shù)和神經(jīng)元閥值的初始值選取對(duì)網(wǎng)絡(luò)模型是否達(dá)到最小，是否能夠收斂以及訓(xùn)練的時(shí)間大小關(guān)系很大。本模型初始值采用隨機(jī)函數(shù)((-1, 1)之間的隨機(jī)數(shù))在機(jī)上隨機(jī)選取。
1.2.3節(jié)點(diǎn)函數(shù)的選取
選sigmoid函數(shù) 為節(jié)點(diǎn)輸出函數(shù)，其導(dǎo)數(shù)f’(x)=f(x)(1-f(x)),其優(yōu)點(diǎn)是對(duì)于任何數(shù)據(jù)的輸入都可以轉(zhuǎn)化成（0，＋1）之間的數(shù)。
1.3學(xué)習(xí)算法
BP算法的學(xué)習(xí)由四個(gè)過程組成:輸入模式由輸入層經(jīng)中間層向輸出層的“模式順傳播”過程;網(wǎng)絡(luò)的希望輸出與網(wǎng)絡(luò)實(shí)際輸出之差的誤差信號(hào)由輸出層經(jīng)中間層向輸入層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程;由“模式順傳播”與“誤差逆?zhèn)鞑ァ钡姆磸?fù)交替進(jìn)行的網(wǎng)絡(luò)“記憶訓(xùn)練”過程;網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的“學(xué)習(xí)收斂”過程[2]。即“模式順傳播”→“誤差逆?zhèn)鞑ァ薄坝洃浻?xùn)練”→“學(xué)習(xí)收斂”四個(gè)過程，這四個(gè)過程可以進(jìn)一步合并為“正向傳播”和“反向傳播”兩個(gè)過程。
1.2.1BP網(wǎng)絡(luò)模型結(jié)構(gòu)參數(shù)的確定
網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的選取十分重要，直接影響網(wǎng)絡(luò)的表達(dá)能力和收斂速度，這里選取隱層一層進(jìn)行建模。輸入層和輸出層的神經(jīng)元個(gè)數(shù)按實(shí)際需要確定，隱含層個(gè)數(shù)按柯爾莫哥洛夫定理取為2m +1(m為輸入數(shù)據(jù)個(gè)數(shù))。
1.2.2初時(shí)權(quán)值的選取
連接權(quán)系數(shù)和神經(jīng)元閥值的初始值選取對(duì)網(wǎng)絡(luò)模型是否達(dá)到最小，是否能夠收斂以及訓(xùn)練的時(shí)間大小關(guān)系很大。本模型初始值采用隨機(jī)函數(shù)((-1, 1)之間的隨機(jī)數(shù))在機(jī)上隨機(jī)選取。
1.2.3節(jié)點(diǎn)函數(shù)的選取
選sigmoid函數(shù) 為節(jié)點(diǎn)輸出函數(shù)，其導(dǎo)數(shù)f’(x)=f(x)(1-f(x)),其優(yōu)點(diǎn)是對(duì)于任何數(shù)據(jù)的輸入都可以轉(zhuǎn)化成（0，＋1）之間的數(shù)。
1.3學(xué)習(xí)算法
BP算法的學(xué)習(xí)由四個(gè)過程組成:輸入模式由輸入層經(jīng)中間層向輸出層的“模式順傳播”過程;網(wǎng)絡(luò)的希望輸出與網(wǎng)絡(luò)實(shí)際輸出之差的誤差信號(hào)由輸出層經(jīng)中間層向輸入層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程;由“模式順傳播”與“誤差逆?zhèn)鞑ァ钡姆磸?fù)交替進(jìn)行的網(wǎng)絡(luò)“記憶訓(xùn)練”過程;網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的“學(xué)習(xí)收斂”過程[2]。即“模式順傳播”→“誤差逆?zhèn)鞑ァ薄坝洃浻?xùn)練”→“學(xué)習(xí)收斂”四個(gè)過程，這四個(gè)過程可以進(jìn)一步合并為“正向傳播”和“反向傳播”兩個(gè)過程。