BP算法的核心思想是将输出误差以某种形式通过隐含层向输出层逐层反传。
举一反三
- BP算法的意义不包括： A: 隐含层神经元可以直接直接观测其误差，也可以调整其权重 B: 网络误差是由多层信号累积导致，BP算法将误差“分配”到各个层 C: 从输出层开始，逐层调整自身权重 D: 输出层得到误差信号之后，将该误差按照权重比例“反传”给上一层神经元
- BP反向传播神经网络是一种多层前向网络，以下关于“前向”、“后向”的说法正确的有（ ） A: 网络的输入有输入层前向传至隐含层再传至输出层 B: 网络的输出误差有输出层反向传回到输入层 C: 网络的输出有输出层反向传回到各个隐含层 D: 网络的输出误差由输出层反向传回至各个隐含层，再传到输入层
- BP神经网络模型中信息的反向传播是指输出误差的信息（ ）。 A: 由输入层传至隐层再传至输出层 B: 由输入层传至隐层后截止 C: 由输出层传向隐层 D: 由隐层传向输入层
- BP算法是一种将隐藏层误差反向传播给输出层进行参数更新的方法
- 以下关于BP算法中的“前向”、“后向”正确的有( )。 A: 网络的输出误差由输出层反向传回至输入层 B: 网络的输出由输出层反向传回至各隐层 C: 网络的输入由输入层前向传至隐藏层再至输出层 D: 网络的输出误差由输出层反向传回至各隐层