BP(BackPropagation)神经网络是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,是目前应用最广泛的神经网络模型之一。
BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。
BP神经网络模型拓扑结构包括输入层(input)、隐层(hiddenlayer)和输出层(outputlayer)。附件就是利用神经网络工具箱构建BP神经网络进行预测的实例。
如果要用可视化工具,可以在命令窗口输入nntool.。
谷歌人工智能写作项目:小发猫
是可视化网络结构吗?
可以使用summary函数也可是使用下面的代码from keras.utils import plot_modelplot_model(model, to_file='', show_shapes=True)如果是可视化网络所学习到的东西的话可以去这里找找思路网页链接