BP算法的原理范文
一、BP神经网络算法原理
BP(Back Propagation)神经网络，又称为反向传播算法，是由Rumelhart，Hinton及William的1986年提出的，它是一种按误差逆传
播算法，即从输出层往输入层传播，它是一种多层前馈神经网络，它可以
解决分类问题和回归问题。

BP算法是一个多层神经网络中的一种连接方法，它以输出层接收的信息为基础，以反向传播的方式不断更新隐层权值，使得网络的输出值更加精确。

BP神经网络的结构为三层网络，输入层、隐层(可有多个)和输出层。

输入层是网络的输入，它一般由n个神经元组成；隐层一般有若干层，每
一层包含m个神经元，这些神经元与输入层的神经元直接连接，它们的输
出将作为下一层的输入；输出层也是网络的输出，它由k个神经元组成。

BP神经网络的训练主要是通过反向传播算法，它以输出层接收的信
息作为基础来更新其他层的权值。

反向传播算法的原理是：系统的输出误
差及网络内参数的偏导数组成系统的误差函数，通过该误差函数与梯度下
降法，来调整每一层的权值，以实现最小误差的效果。

具体步骤如下：
1. 设定训练轮数epoch，以及学习率learning rate
2.输入训练样本，将其向量化，分别输入到输入层。