BP神经网络原理分析及c++代码实现（上）

    本博客所述BP神经网络，是本人研究总结的结果，希望对您有所帮助，当然，如果有需要，大家可以互相交流。

   设计一个BP神经网络类，来实现一个BP神经网络。要求输入层节点数、隐层数、隐层节点数、输出层节点数、传递函数、算法等等可以由用户自主设定。

具体代码部分：http://blog.csdn.net/hjkhjk007/article/details/9010343

神经网络的基本原理

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。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。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。

神经元模型

图3-1人工神经元的基本构成单元

 

图3-1 给出了一个具有n个输入的基本BP神经元模型结构。图中每一个输入被赋予一定的权值，求和后形成神经元传递函数的输入。

激活函数的作用是对该神经元所获得的网络输入进行变换，也可以称为激励函数或活化函数，如图（3-1