使用反向传播算法训练多层神经网络（图示）

本文为翻译内容，如下给出原文链接。



原文：Principles of training mult-layer neural network using backpropagation

链接：http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html

本文描述了使用反向传播算法训练多层神经网络的过程。为了更直观的说明该训练过程，使用如下图所示的三层神经网络，其中只有两个输入，一个输出。

每个神经元由两个单元组成：

    第一个单元表示输入信号的加权和（Xi为输入信号，Wi为权重系数）；

    第二个单元实现非线性函数（也称为神经元激活函数）；

如下图，信号e为线性输出，y=f(e)为非线性输出，y也是当前神经元的输出信号。

在训练神经网络时，我们需要用到训练数据集。训练数据集中包含输入信号（X1和X2）以及相应的目标输出（Z）。网络训练是一个迭代过程，在每次的迭代中，节点的权重系数会根据训练集中的新数据进行修正。

一、计算初始参数

最初的权重系数按如下方法进行计算： </