bp神经网络预测的技术原理

1、 BP神经网络算法是一种基于误差反向传播算法的人工神经网络训练算法。 BP神经网络算法基本原理是利用梯度搜索技术，通过计算误差输出时按从输入到输出的方向进行，而调整权值和阈值则从输出到输入的方向进行，以期使网络的实际输出值和期望输出值的误差均方差为最小。

2、 BP的思想就是：利用输出后的误差来估计输出层前一层的误差，再用这层误差来估计更前一层误差，如此获取所有各层误差估计。 这里的误差估计可以理解为某种偏导数，我们就是根据这种偏导数来调整各层的连接权值，再用调整后的连接权值重新计算输出误差。 直到输出的误差达到符合的要求或者迭代次数溢出设定值。

3、 BP神经网络的参数调整 BP神经网络的权值调整精细而关键，从输入到隐藏层再到输出层，利用激活函数处理神经元输出，通过-1乘以偏导数确定参数变化，配合合适的学习率，不断迭代优化。 隐藏层到输出层的权重调整公式，输出层学习信号的计算，以及隐藏层以下层的学习信号递推，构成了BP算法的精髓。