反向传播（BP）错误算法BP算法的基本思想是学习过程包括两个过程：信号的前向传播和误差的后向传播。
1）正向传播：输入采样 - 输入层 - 隐藏层（处理） - 输出层注1：如果输出层的实际输出与预期输出（主信号）不匹配，请执行。a 2）（错误传播过程）2）错误传播：输出错误（由于某种原因） - 隐藏层（每层） - 输入层错误信号，其主要目的是将错误分配给每个单元因此，每个单元的重量（该过程是重量调整的过程）。
注2：体重调整过程，即网络学习和训练过程（体重调整是这个的起源）。
2，BP（软件）算法实现程序：1）初始化2）输入训练样本对，计算每层输出3）计算网络输出误差4）计算每层误差信号5）调整每层的重量。6）检查网络的总误差。如果满足精度要求，培训结束。如果没有，请返回步骤2。3。多层感知器的主要功能（基于BP算法）：1）非线性映射：足够的样本：学习训练可以学习并存储在输入/输出模式。。
通过为BP网络训练训练提供足够的样本模式，我们可以完成从n维输入空间到m维输出空间的非线性映射。
2）概括：输入新样本（在培训期间不可用）：完成输入和输出的正确分配。3）容错：单个样本的误差不能调整到权重矩阵。BP：1）很容易创造一个局部极点。Peque？o（贪婪算法，局部最优）无法获得全局最优。2）这意味着训练的数量低，学习效率低，收敛速度慢（必须进行许多操作）。3）隐藏节点选择缺乏理论支持。4）在训练期间学习新样本往往会忘记旧样本。
注3：改进算法：增加脉冲项，自适应调整学习速率（这看起来不错），并输入斜率因子
