邢蕾+赵鹏飞

摘 要：BP神经网络是误差反向传播神经网络的简称，是一种常用的人工智能算法。它具有非常高的求解精度，同时也具有很强的非线性。人们在学习和理解BP神经网络时，往往会忽略BP神经网络的动力学机制和数学运算细节。该文给出了BP神经网络的一个解析算例，剖析了算法的重要细节，这有助于从事人工智能算法研究或希望应用神经网络算法解决实际问题的初学者，更准确和更全面地理解神经网络理论。

关键词：BP 神经网络 解析 理论

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2016）09（a）-0090-03

因为具有非常强的非线性，人们在学习BP神经网络时，往往会忽略它的动力学机制和数学运算细节，而只关注于调用相关函数，盲目地用于解决一些实际问题。这个问题成为了阻碍神经网络理论发展和应用的关键所在。该文将从基本理论、算法步骤、梯度下降算法的实现、BP神经网络的解析算例4个方面进行论述。这有助于从事人工智能算法研究或希望应用神经网络算法解决实际问题的初学者，更准确和更全面地理解神经网络理论。

1 基本理论

神经网络是一种非常重要的人工智能算法[1]。BP神经网络是最常用的神经网络算法，是误差反向传播（Error Back Propagation）神经网络的简称，是一种按误差逆传播算法训练的多层前馈网络[2，3]。

BP算法的基本思想是训练过程由信号的正向传播和反向传播两个过程组成的。当信号正向传播时，输入样本从输入层传入，经隐层逐步处理后，传向输出层。……