1 BP神经网络的基本理论
人工神经网络从拓扑结构上可以看成是以处理单元为节
点，用加权有向弧连接而成的有向图，其中处理单元是对生理
神经元的模拟，而有向弧则是“轴突—树突”对的模拟，有向弧
的权值标志着两对处理单元间相互影响的强弱。综合全部有
向弧形成的互联强度矩阵对应于人脑中信息的长期记忆。处
理单元用非线性函数实现单元输入与输出间的非线性映射，
其即时激活值对应于人脑中信息的短期记忆。
BP神经网络是发展比较成熟，当前应用最广的一种神经
网络，它是反向传递并修正误差的多层前馈式映射网络。只
要有足够的隐节点，就可以实现输入到输出的映射，具有较强
的非线性映射能力，以及自学习、自组织和自适应能力。网络
的学习过程包括正向传播和反向传播。在正向传播过程中，
输入信息从输入层经隐含层加权处理后传向输出层，经作用函
数运算后得到的输出值与期望值进行比较，若有误差，则误差
反向传播，沿原先的连接通路返回，通过逐层修改各层神经元
的权值和阈值，减少误差，如此循环直到输出满足要求为止。