网络模型:输入层,隐含层,输出层
各层之间由权重系数联系;同层之间无联系;
网络的学习训练过程是通过基于多层的前馈网络算法(正向传播和反向训练)
数据到达输出层之后,把现有输出和期望输出比较,进行反向训练过程。根据误差逐层反向修改权重系数。
BP实质是把一组样本的输入问题转化为非线性优化问题,采用梯度下降法,迭代运算修改权值,直到误差函数下降到允许范围。
缺点:结构难以确定;
对于复杂的样本数据集,网络的收敛速度比较慢。(当输入节点过多时)