什么叫bp神经网络原理

一、bp神经网络原理

BP神经网络称为“深度学习之旅的开始”，是神经网络的入门算法。
一些高级神经网络都是基于BP网络的。 最基本的原理都源自BP网络，并且由于BP神经网络结构简单、算法经典，所以是应用最广泛的神经网络。

早期发展——在工神经网络的发展史上，感知器网络在工神经网络的发展中发挥了重要作用。 它的出现掀起了工神经网络的研究热潮。 与原始神经网络一样，单层感知网络（M-P模型）具有模型清晰、结构简单、计算量小的优点。

它只能解决线性可分性，然而，随着研究工作的深入，们它仍然存在限性，比如无法处理非线性问题中，即使计算单元的作用函数不是阀函数而是其他更复杂的非线性函数，它仍然只能解决线性可分的问题。 一些基本功能无法实现，从而限了其应用。
多层前馈网络——提高网络的分类识别能力、解决非线性问题的唯一途径就是采用多层前馈网络，即增加一个隐层输入层和输出层之间。

BP神经网络首次亮相-DavidRunelhart，20世纪80年代中期。 GeoffreyHinton、RonaldW-llians、DavidParker等独立了后向误差传播算法，称为BP算法，系统地解决了多层神经网络隐含层连接权值的学习问题，并提供了完整的数学推导。 们把采用这种纠错算法的多层前馈网络称为BP网络。
BP神经网络具有任意复杂的模式分类能力和优异的多维特征映射能力，解决了异或等简单感知器无法解决的问题。 从结构上来说，BP网络有输入层、隐层和输出层。 本质上，BP算法以网络误差的平方为目标函数，利用梯度下降法计算目标函数的最小值；。