资 源 简 介
应用背景人工神经网络(ANN)中关于反向传播算法的内容，相比单个感知器而言，采用多层网络的反向传播算法能表示出更多种类的非线性曲面，整个神经网络可以分成三层：输入层，隐藏层，输出层，通过加权线性变换，层与层之间的传递，最终得到输入层的实数值。关键技术
本人根据附件里面的文章编写的反向传播算法代码，里面含有详细的代码注释和文章例子， 可以让初学者深刻理解反向传播算法，适合初学者学习。给出BP算法训练的例子，对单个样本的训练的情况进行编写和验证。
//输入层到隐层的过程
float fNetj[m];
for (int j= 0;j < m; j++){
fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置，偏置×1还是偏置，所以直接加上，
//后面就不用乘了
for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V
fNetj[j] +=fInputdata[i]*fTheta[i][j];
}
fMidResult[j] = 1/(1 + exp(-fNetj[j]));
//cout<<"隐层的数据结果为"<
文 件 列 表
BackProp(self)
2010_4_17_第3章 多层感知器（下：BP算法）.pdf
BackProp(self)
BackProp(self).sln
BackProp(self).suo
