bp神经网络的原理（bp神经网络）

大家好，我是小环，我来为大家解答以上问题。bp神经网络的原理，bp神经网络很多人还不知道，现在让我们一起来看看吧！

1、BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。

2、经反复学习，最终使误差减小到可接受的范围。

3、具体步骤如下：从训练集中取出某一样本，把信息输入网络中。

4、2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。

5、3、计算网络实际输出与期望输出的误差。

6、4、将误差逐层反向回传至之前各层，并按一定原则将误差信号加载到连接权值上，使整个神经网络的连接权值向误差减小的方向转化。

7、5、対训练集中每一个输入—输出样本对重复以上步骤，直到整个训练样本集的误差减小到符合要求为止。

本文到此讲解完毕了，希望对大家有帮助。