BP神经网络的理论理论常识

BP神经网络的简单结构：输入层、一个或者多个隐层、输出层。图如下：

在图中，涉及到的参数有：X1--Xn为输入参数。输入参数通过输入层和隐层之间的的链接权重进行计算，到达隐层。

隐层的输入参数通过隐层自带的激活函数到达隐层的输出参数

隐层的输出参数通过隐层和输出层的链接权重进行计算到达输出层的输入

输出层的输入参数通过输出层自带的激活函数到达输出层的输出参数，即为输出结果

将输出结果与期望结果进行对比，得出误差。

将误差反向传递到神经网络中，改变神经网络的层之间的权值，即训练神经网络。

训练结束后，从输入层输入参数，得到输出参数，进行测试。