王 婷，孙志远

(陕西工商职业学院 会计金融学院，陕西 西安 710119)

一、BP神经网络的概述

(一)BP神经网络的结构与含义

国外对于神经网络的研究源自于20世纪40年代初，由McCulloh和Pitt建立的M-P模型标志着神经网络研究的开始；但该模型并不具备训练能力。50年代，Rosenblatt建立了感知器，是第一个能够学习的ANN(人工神经网络)。随着不断地发展直到1984年，计算机智能和跨学科知识的交融使ANN对生物神经网络有了更好的仿真模仿，且具备并行分布处理、自学习与容错性等智能特性，并应用在图像识别、方案决策、知识处理等领域。而国内关于BP神经网络的研究直到1988年才真正开始。主要研究方向是神经网络的预测和算法。2004年国内有学者将BP神经网络应用在土地规划中。2012年BP神经网络与其他神经网络结合起来对城市农用土地进行了预测研究。神经网络的使用在国内范围内被广泛传开。BP神经网络是一种通过误差反向传播训练的人工智能信息处理算法。通过信号向前传播，误差反向传播的一种多层的神经网络。输入层(input layer)，隐含层(hidden layer)，输出层(output layer)三层构成。其中输入层也叫感知层，隐藏层也叫做影响因素集合层，有一层或多层；输出层也叫响应层。

图1 单个神经元传导

(二)BP神经网络的工作步骤

BP神经网络算法包括训练阶段和预测阶段：训练阶段也叫学习阶段，信息正向传递，数据进入输入层，通过初始权值和阈值处理后传入隐藏层，最后传入输出层，得到输出函数。对比输出值与期望输出值，当误差较大，进行反向传播，不断修正各单元的权值和阈值，降低误差，使得预测输出不断向期望输靠近，直到预测输出值与期望值的误差达到预设目标或达到最大训练次数，训练结束。……