销售人员的述职报告2100字BP神经网络介绍BP是当前应用最广泛的一种人工神经网络。结构简单,工作状态稳定,易于硬件实现。BP神经网络全称为:Back-Propagation网络,是一种反向传递并修正误差的多层映射网,它通常由输入层,中间隐含层,输出层三层神经元组成,它一般可用LMS法则实现误差后向传播学习方法。BP网络采用有导师学习,通过组织一批正确的输入输出数据时,将输入数据加到网络输入端,把网络的实际相应输出和正确的(期望的)输出项比较得到误差,然后根据误差的情况修改各连接权,是网络朝着能正确响应的方向不断变化下去,直到实际响应的输出与期望的输出之差在允许的范围内。BP算法是典型的监督学习,当给定一个学习样本之后,输入模式由输入层传至隐含层,经隐含层逐层处理后在传到输出层,由输出层处理后产生网络输出模式,这个过程是前向传播。如果网络输出与期望输出的误差不满足要求,则将误差值沿连接通路反向逐层传递,并修正个连接权值和节点阀值以使网络误差达到最小,这个过程是误差反向传播。对于给定的一组学习样本,需要不断用每个样本训练网络直到网络误差满足要求。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---假设各层分别有kN个节点,训练集包括M个样本,(,)ppxy,p1,2,3,..,M11MpperrME(1)212(?)ppEpjyy(2)利用梯度最速下降法,使权值沿误差函数的负梯度方向改变.(1)()p---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---jijiitEWWW(3)由ppppjpjjipjjiEEnetOWnetW(4)其中pjiEW表示第p个样本误差函数对第j个神经元至下层第i个神经元的偏导。ppppjpjpjpjEEO---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---netOnet(5)'()ppjnetOfnet(6)对输出层节点,有()ppjpjpjOyEO(7)'()()pjpjpjpjfnetOy(8)---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---1()(1)xfxe(9)''''221(1)(1)(1)()()(1)(1)(1)(1)xxxxxxxxeeeefxeeee(10)对隐含层节点,有pppipiijiipjpjpjW---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---EEnetOnetO(11)'()pjpjpjijifnetW(12)如果激励函数采用如下:1nijijijnetwx(13)那么有:'()()(1())(1)pjpjpjpjpjfnetfnetfnetOO(14)因此,BP的权值修正公式为:(t+1)=W()ijijpjpj---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---WtO(15)式子中是学习因子,增大能提高收敛速度,但是容易引起震荡。为了使得学习因子足够大,又不致使激烈震荡,通常在权值公式中增加一个动量项(t+1)=W()ijijpjpjijWtOw(16)式子中为动量因子,它能抑制网络学习中的高频震荡,起加速收敛和平滑作用,但在网络收敛到稳定点附近会产生随机震荡,这种由造成的动量误调噪声是影响算法收敛精度的一个主要原因。为了消除这种动量误调噪声,可将动量因子取为网络误差的函数,并使其随着网络的收敛而衰减。另一方面虽然BP网络得到了广泛的应用但自身也存在一些缺陷和不足,主要包括以下几个方面的问题。首先,由于学习速率是固定的,因此网络的收敛速度慢,修要较长的训练时间。对于一些复杂问题,BP算法需要的训练时间可能非常长,这主要是由于学习速率太小造成的,可采用变化的学习速率或自适应的学习速率加以改进。其次,BP算法可以使权值收敛到某个值,但并不保证其为误差平面的全局最小值,这是因为采用梯度下降法可能产生一个局部最小值。对于这个问题,可以采用附加动量法来解决。再次,网络隐含层的层数和单元数的选择尚无理论上的指导,一般是根据经验或者通过反复实验确定。因此,网络往往存在很大的冗余性,在一定程度上也增加了网络学习的负担。最后,网络的学习和记忆具有不稳定性。也就是说如果增加了学习样本,训练好的网络就需要从头开始训练,对于以前的权值和阈值是没有记忆的。第二篇：销售人员述职报告3400字---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---销售人员述职报告斗转星移，日月转变，转眼间我来到xx这个大家庭近一年时间了，在这近一年时间里我从一个从未涉足过销售行业的女孩慢慢成长为了一名还算合格的销售人员，这中...