BP神经网络介绍

BP神经网络介绍
一、什么是BP神经网络
BP神经网络（Back Propagation Neural Network），简称BP网络，是一种多层前馈神经网络。

它对神经网络中的数据进行反向传播，以获得
最小化计算误差的参数，进而得到最终的分类结果。

一般来说，BP网络
由输入层、隐藏层和输出层组成，输入层将输入数据传递给隐藏层，隐藏
层再将这些数据传递给输出层，最终由输出层输出最终的类别结果。

BP网络的运算原理大致可以分为三个步骤：前向传播、误差反向传
播和参数调整。

在前向传播阶段，BP网络从输入层开始，将输入数据依
次传递给各个隐藏层，并将这些数据转化为输出结果。

在误差反向传播阶段，BP网络从后面向前，利用误差函数计算每层的误差，即：将误差从
输出层一层一层向前传播，以计算各层的权值误差。

最后，在参数调整阶段，BP网络以动量法更新网络中的权值，从而使网络更接近最优解。

二、BP神经网络的优缺点
1、优点
（1）BP神经网络具有非线性分类能力。

BP神经网络可以捕捉和利用
非线性的输入特征，从而进行非线性的分类。

（2）BP神经网络可以自动学习，并能够权衡它的“权衡”参数。