BP神经网络典型结构：
（1）信号的前向传播过程：隐含层第i个节点的输入neti：
隐含层第i个节点的输出yi：
输出层第k个节点的输入netk，k=1：
输出层第k个节点的输出ok ，k=1：
（2）误差的反向传播过程：误差的反向传播，即首先由输出层开始逐层计算各层神经元的输出误差，然后根据误差梯度下降法来调节各层的权值和阈值，使修改后的网络的最终输出能接近期望值。 Tk为预期输出
对于每一个样本p的二次型误差准则函数为Ep：
系统对P个训练样本的总误差准则函数为：
（3）权值和阈值修正：
根据误差梯度下降法依次修正输出层权值的修正量Δwki：
输出层阈值的修正量Δak：
隐含层权值的修正量Δwij：
隐含层阈值的修正量Δθi：
输出层权值调整公式：
输出层阈值调整公式：
隐含层权值调整公式：
隐含层阈值调整公式：
又因为一下式子成立：
所以最后得到以下公式：
生成新的权值：
然后进入下一步的循环，
计算误差，直到误差满足要求为止，然后程序结束
*计划做一个具体的实验，并将实验的过程及结果放于–BP算法的反向传播和权值修正实验(2)–中
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
