bp神经网络模型属于什么模型

4、 CPN+神经网络和BP神经网络都属于监督学习的神经网络模型，但是它们在网络结构、训练方法以及适用领域方面有所不同。 首先讲一下CPN+神经网络。

5、 bp神经网络预测模型通过过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出。 是一种应用为广泛的神经网络模型，多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。 logistics回归模型是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。

2、 BP网络（Back-Propagation Network）是一种广泛应用的人工神经网络模型，以其误差逆传播学习算法而得名。 该网络模型由输入层、隐含层和输出层组成，通过模拟人脑神经元的工作方式来实现对复杂函数的逼近和数据处理。

1、 BP（Back Propagation）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。

3、 BP网络是一种具有3层或3层以上的阶层型神经网络。 上、下层之间各神经元实现全连接,即下层的每一个神经元与上层的每一个神经元都实现权连接,而每一层各神经元之间无连接。