机器学习--BP神经网络原理的数学公式推导

I  原理

一、什么是BP神经网络

       1、什么是神经网络

       以图像为例，在机器学习中，很多时候我们在原始的数据空间中，没法总结出数据的内在规律，那么我么就要先做个数据转换过程。把数据从一个空间维度转到另外一个空间维度。而我们的神经网络就是其中一种方式。

 注： 上面图像从下往上看

原始数据是X(x1,x2,x3,...) 没办法用关系表达X到Y之间的关系。那么我们中间就可以多做几次空间变换。变换后的数据可以使X和Y关联起来。上图中为了便于理解，中间变换只做了一次。

在科学家去推导这个结构的时候，发现它和我们人类的神经很像，所以给它取了个名字叫神经网络。大家观察下上图的隐含层的那些节点，是不是很像我们人类大脑中的神经元。每一个神经元b都接受外界各种因素X的综合信息，然后不断传导到后面的神经元，最后大脑做出相应的反馈动作Y  。个人理解这就是神经网络的由来。

      2、什么是BP

      神经网络的计算过程

      上图中X到B和B到Y之间都存在两种变换

      1）X到B的输入端 进行了线性变换。每一个神经元的输入值，比如                       b1=v11*x1+v21*x2+v31*x3..

      其中v11，v21，v31,....是常数。我们为了便于描述简单。用V矩阵待变所有的这些系数。那么        X到B的输入