资 源 简 介
应用背景
BP（Back
Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden
layer)和输出层(output layer)。
关键技术
通过由数字构成的图像，自动实现几个不同数字的识别，设计识别方
法，有较高的识别率。
作为一个识别系统
,
我们最终要用某些参数来评价其性能的高低
,
