BP神经网络学习一

反向传播网络（BP网络）是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。

BP主要用于：

1，函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近一个函数

2，模式识别：用一个特定的输出矢量将它与输入矢量联系起来

3，分类：把输入矢量以所定义的合适方式进行分类

4，数据压缩：减少矢量维数以便于传输或存储

在人工神经网络的实际应用中，80%-90%的人工神经网络模型是采用BP网络或它的变化形式，它也是前向网络的核心部分，体现了人工神经网络最精华的部分。