BP神经网络是一种多层前馈神经网络。其主要特点是信号向前传播，误差向后传播。具体来说，对于以下只有一个隐藏层的神经网络模型：
BP神经网络的过程主要分为两个阶段。第一阶段是信号从输入层向前传播，通过隐藏层，最后到达输出层。从输出层到隐藏层，最后到输入层，调整从隐藏层到输出层、从输入层到隐藏层的权重和偏差。
3层BP神经网络
BP神经网络过程
神经网络的基本单位是神经元。神经元的一般模型如图所示。常用的激活函数包括阈值函数、Sigmoid函数和双曲正切函数。
神经元模型
神经元的输出为：
神经元输出
神经网络是多个神经元按照一定规则连接而成的网络，如图所示。
神经网络图
从图中可以看出，神经网络由输入层、隐藏层（中间层）和输出层组成。输入层的神经元数量与输入数据的维度相同，输出层的神经元数量与待拟合数据的数量相同。这些层要求设计者遵循一些规则和目标。在深度学习出现之前，隐藏层的数量通常为一层，这意味着常用的神经网络是三层网络。
原创文章，作者：小条，如若转载，请注明出处：https://www.sudun.com/ask/80579.html
