什麽是BP神經網絡？

BP算法的基本思想是：學習過程由信號正向傳播與誤差的反向回傳兩個部分組成；正向傳播時，輸入樣本從輸入層傳入，經各隱層依次逐層處理，傳向輸出層，若輸出層輸出與期望不符，則將誤差作為調整信號逐層反向回傳，對神經元之間的連接權矩陣做出處理，使誤差減小。經反復學習，最終使誤差減小到可接受的範圍。具體步驟如下：

1、從訓練集中取出某壹樣本，把信息輸入網絡中。

2、通過各節點間的連接情況正向逐層處理後，得到神經網絡的實際輸出。

3、計算網絡實際輸出與期望輸出的誤差。

4、將誤差逐層反向回傳至之前各層，並按壹定原則將誤差信號加載到連接權值上，使整個神經網絡的連接權值向誤差減小的方向轉化。

5、対訓練集中每壹個輸入—輸出樣本對重復以上步驟，直到整個訓練樣本集的誤差減小到符合要求為止。