BP神经网络算法步骤
<br>一、概述
BP神经网络（Back Propagation Neural Network，BPNN）是一种经
典的人工神经网络，其发展始于上世纪80年代。

BP神经网络的原理是按
照误差反向传播算法，以及前馈神经网络的模型，利用反向传播方法来调
整网络各层的权值。

由于其具有自动学习和非线性特性，BP神经网络被
广泛应用在很多和人工智能、计算智能紧密相关的诸如计算机视觉、自然
语言处理、语音识别等领域。

<br>二、BP神经网络的结构
BP神经网络经常使用的是一种多层前馈结构，它可以由输入层，若
干隐藏层，以及输出层三部分组成。

其中，输入层是输入信号的正向传输
路径，将输入信号正向传送至隐藏层，在隐藏层中神经元以其中一种复杂
模式对输入信号进行处理，并将其正向传送至输出层，在输出层中将获得
的输出信号和设定的模式进行比较，以获得预期的输出结果。

<br>三、BP神经网络的学习过程
BP神经网络的学习过程包括正向传播和反向传播两个阶段。

其中，
正向传播是指从输入层到隐藏层和输出层，利用现有的训练数据，根据神
经网络结构，计算出网络每一层上各结点的的激活值，从而得到输出结果。

正向传播的过程是完全可以确定的。