BP神经网络基本原理： 误差逆传播(back propagation, BP)算法是一种计算单个权值变化引起网络性能变化的较为简单的方法。由于BP算法过程包含从输出节点开始，反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正，所以称为“反向传播”。BP神经网络是有教师指导训练 ...

1、BP神经网络是一种前馈型网络（各神经元接受前一层的输入，并输出给下一层，没有反馈），分为input层，hide层，output层 2、BP神经网络的步骤: 1）创建一个神经网络：newff a.训练样本：归一化（premnmx ，postmnmx ，tramnmx） b.确定节点 ...

1、知识点： A、BP神经网络：信号是前向传播，误差是反向传播，BP是算法，它不代表神经网络的结构； B、BP神经网络是有导师学习的神经网络，在训练的时候，需要指定输入和输出，让它知道这个输入对应这个输出，让它清楚每次训练的过程，然后他的神经元的输出和理想值目标有多大的误差，这样才会有误差反向 ...

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。 一个 ...

怎样理解非线性变换和多层网络后的线性可分，神经网络的学习就是学习如何利用矩阵的线性变换加激活函数的非线性变换 线性可分： 一维情景：以分类为例，当要分类正数、负数、零，三类的时候，一维空间的直线可以找到两个超平面（比当前空间低一维的子空间。当前空间是直线的话，超平面就是点）分割这三类 ...

起源：线性神经网络与单层感知器 古老的线性神经网络，使用的是单层Rosenblatt感知器。该感知器模型已经不再使用，但是你可以看到它的改良版：Logistic回归。 可以看到这个网络，输入->加权->映射->计算分类误差->迭代修改W、b，其实和数学上的回归 ...

BP神经网络 人工神经网络与人工神经元模型 　　In machine learning and cognitive science, artificial neural networks (ANNs) are a family of statistical learning ...

由于课题需要学习神经网络也有一段时间了，每次只是调用一下matlab的newff函数设置几个参数，就自以为掌握了。真是可笑，会了其实只是会使用，一知半解而已。 本来想写人工神经网络，但是范围太广，无法驾驭，姑且就先写BP吧，因为BP是目前应用最广泛的神经网络 ...