机器学习：python使用BP神经网络示例

1.简介

(只是简单介绍下理论内容帮助理解下面的代码，如果自己写代码实现此理论不够)

1） BP神经网络是一种多层网络算法，其核心是反向传播误差，即： 使用梯度下降法(或其他算法)，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）、隐藏层(hidden layer)和输出层(output layer)，每层包含多个神经元。

2）BP神经网络示例图

上图就是一个简单的三层BP神经网络。网络共有6个单元，O0用于表示阈值，O1、O2为输入层，O3、O4为第一隐层，也是唯一隐层，O5为输出层单元。网络接收两个输入

，发送一个输出

。每个单元接收一组输入，发送一个输出。

为权值,例如W40 表示O0与O4之间的权重。

3）神经单元(计算单元)

如上图所示，每个圆表示一个神经单元。其接收一组数据，经过计算输出一个数据。