bp神经网络原理图

我们将带领读者实现BP神经网络（不使用任何第三方深度学习框架）来解决特定问题。

神经元按照一定的方式连接起来，形成一个神经网络，可以处理复杂信息。

BP神经网络BP（Backpropagation）神经网络是一种学习的神经网络算法，全称是基于误差反向传播算法的人工神经网络三层BP网络结构（1）输入层是输入层网络和外部交互接口。有监督BP神经网络学习算法：1.正向传播得到输出层误差=>输入层输入样本=>各隐含层=>输出层2.判断是否反向传播=>如果输出层误差不匹配期望=>反向传播3.误差反向传播=>在每一层显示误差=>修改每一层BP（反向传播）网络是由Rummelhart和McClelland领导的一组科学家于1986年提出的，是一个多层前馈网络根据误差反向传播算法进行训练，Mann是应用最广泛的神经网络模型之一。