BP神经网络

BP神经网络（Back Propagation Neural Network）是一种按误差反向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。BP神经网络模型拓扑结构包括输入层（input）、隐藏层（hidden layer）和输出层（output layer）。每个层的节点数就是网络的宽度或高度，也就是该神经网络可以精确模拟的函数的复杂度。BP神经网络的学习过程由正向传播和反向传播组成。正向传播时，输入样本从输入层传入，经各隐藏层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入反向传播，将输出误差沿原来的连接通路返回，通过修改各神经元权值，使得误差最小。