BP神经网络概述

BP神经网络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。该网络的主要特点是信号前向传递，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经网络状态只影响下一层的神经元的状态。如果输出层得不到想要的输出，则转入反向传播，根据预测误差调整网络的权值和阀值，从而使BP神经网络预测输出不断的逼近期望输出。

BP神经网络的拓扑结构

BP神经网络的拓扑结构如图：

其中，X1，X2，…，Xn是BP网络的输入值，Y1，Y2，…，Yn是BP神经网络的预测值，和为BP神经网络的权值。从图