反向传播人工神经网络

反向传播人工神经网络是广为使用的监督学习网络，一般使用反向传播学习算法与多层感知器架构即称反向传播人工神经网络。
网络架构：反向传播神经网络通长采用前向式多层网络模式，包含输入层，隐藏层和输出层
反向传播神经网络使用的学习算法是误差反向传播算法，演算过程包括正向及反向的传递。
反向传播人工神经网络步骤：
（1） 设定网络结构、输入层、隐藏层、输出层、节点个数，以及学习率、最大学习周期等参数，设定l=1；
（2） 随机产生初始权重，选定节点输出转换的激活函数；
（3） 随机选取一训练样本组，包括输入数据向量与目标向量；
（4） 计算隐藏层每个节点的输出值以及输出层每个节点的输出值
（5） 计算误差函数;
（6） 计算输出层的差距量与隐藏层的差距量
（7） 计算输出层与隐藏层间的连接权重修正量以及隐藏层与输入层的连接权重修正量
（8） 更新连接权重
（9） l=l+1，重新回到步骤（3），直到所有训练组数据均输入完成
（10） 重新回到步骤（2）到步骤（9），直到达到设定的最大周期数