资 源 简 介
神经网络通过模拟人的神经元活动，来构造分类器。它的基本组成单元称为”神经元”，离线情况下如果输入大于某值时，设定神经元处于兴奋状态，产生输出，否则不响应。而这个输入来自于所有其它的神经元。而神经元的响应函数有多种(需要满足可微，这种简单的函数可以拟合任何非线性函数)，选择sigmod函数。BP神经网络的关键在于推导权值和阈值的更新公式。
BP的基本思想：信号的正向传播 误差的反向传播：
–正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。
–反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。
