基于BP神经网络的模型优化预测与MATLAB实现

⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计3077字，阅读大概需要10分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

BP（Back Propagation）神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。本章主要依托BP神经网络进行PID参数整定和数字识别技术研究。

1. BP神经网络模型及其基本原理

BP神经网络结构

BP神经网络模拟生物神经元信号的传递过程，生物神经元信号的传递是通过突触进行的一个复杂过程，而BP神经网络则将生物神经元信号传递过程，简化成一组（或者多组）数字信号通过一定的学习规则而不断更新的过程，这组数字映射到神经网络结构，则为不同神经元之间的连接权重。