bp网络设计iris,bp网络有哪些特点

BP神经网络的梳理

1、BP神经网络被称为“深度学习之旅的开端”，是神经网络的入门算法。

2、BP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。

3、BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是应用最广泛的神经网络模型之一。

建立BP神经网络地面沉降预测模型

1、因基坑降水引起的地面沉降量和距离基坑的距离关系密切，因此建模选用“基坑降水引起沉降工程数据（第二类）”（见表1）中的相关数据作为样本进行学习训练和检验。

2、建立BP神经网络预测 模型，可按下列步骤进行：提供原始数据 训练数据预测数据提取及归一化 BP网络训练 BP网络预测 结果分析 现用一个实际的例子，来预测2015年和2016年某地区的人口数。

3、根据地层参数和降水方案提取地面沉降预测计算参数如表3所示。

小波神经网络

小波神经网络（WaveletNeuralNetwork，WNN）是在小波分析研究获得突破的基础上提出的一种人工神经网络。它是基于小波分析理论以及小波变换所构造的一种分层的、多分辨率的新型人工神经网络模型。

小波神经网络和BP神经网络（反向传播神经网络）是两种不同的神经网络模型。BP神经网络是一种多层前馈神经网络，具有输入层、隐藏层和输出层。它通过反向传播算法来优化网络的权重和偏置，从而实现对输入数据的拟合和分类。

小波神经网络相比于前向的神经网络，它有明显的优点：首先小波神经网络的基元和整个结构是依据小波分析理论确定的，可以避免BP神经网络等结构设计上的盲目性；其次小波神经网络有更强的学习能力，精度更高。

小波神经网络有两种，一种是简单地把激活函数换成小波函数，一种是先用小波分析处理数据。一般我们使用第一种，权值的修正依然采用BP算法，伸缩因子和平移因子一开始就确定了。

标签：网络特点哪些设计iris