神经网络用于分类时的基本求解步骤

1、提取问题中实体的特征向量作为神经网络的输入。
2、定义神经网络结构，并定义如何从神经网络的输入得到输出。这个过程就是神经网络的前向传播算法。
3、通过训练数据来调整神经网络的参数取值。这就是训练神经网络过程。主要是采用反向传播算法以及梯度下降算法。
4、使用训练好的神经网络来预测未知数据。这就是神经网络推理过程，采用的也是前向传播算法。

第一步：获取神经网络的输入
提取问题实体中的特征向量作为神经网络的输入。
第二步：定义网络结构
定义神经网络的结构，并定义如何从神经网络中的输入得到输
出，这个过程就是神经网络向前传播算法。
第三步：训练
通过训练数据来填在神经网络中参数的取值，也就是训练神经
网络的过程。当然在这个过程中往往会存在网路优化，而网络
优化过程中最常用的就是反向传播算法。在该过程中一般需要
定义一个损失函数来刻画当前预测值和真实答案之间的差距，
然后通过反向传播算法来调节神经网络参数取值来使得差距可
以缩小
第四步：预测
用训练好的网络来进行数据预测。