一種單向多層的網路結構，資訊從輸入層開始，逐層向乙個方向傳遞，一直到輸出層結束。前饋是指輸出入方向是前向，此過程不調整權值。神經元之間不存在跨層連線、同層連線，輸入層用於資料的輸入，隱含層與輸出層神經元對資料進行加工。
（英語：backpropagation，縮寫為bp）是「誤差反向傳播」的簡稱，是一種與最優化方法（如梯度下降法）結合使用的，用來訓練人工神經網路的常見方法。該方法對網路中所有權重計算損失函式的梯度。這個梯度會反饋給最優化方法，用來更新權值以最小化損失函式。
也是前饋神經網路，只是它的引數權重值是由反向傳播學習演算法調整的。
前饋描述的是網路的結構，指的是網路的資訊流是單向的，不會構成環路。它是和「遞迴網路」(rnn)相對的概念；
bp算法是一類訓練方法，可以應用於ffnn，也可以應用於rnn，而且bp也並不是唯一的訓練方法，其他可用的還有比如遺傳演算法（ga）等。所以bp神經網路屬於前饋網路，前饋網路不一定是bp網路（還可以用別的演算法訓練權值引數）
BP神經網路
基本bp神經網路演算法包括 訊號的前向傳播 誤差的反向傳播 也即計算實際輸出時按照輸入到輸出的方向進行，權值閾值調整則相反。bp是一種多層前饋神經網路，由輸入層 隱含層和輸出層組成。層與層之間有兩種訊號在流動 一種是從輸入流向輸出的工作訊號，是輸入和權值的函式 另一種是輸入流向輸出的訊號，即誤差。隱...
BP神經網路
x 為輸入向量，y為隱藏層的神經元，z 為輸出層,d為目標真實值,本文預設 z 不經過sigmod處理。x y的權重為 w,y z的權重為 v yj ix iwij 1 oyi f y j 2 其中激勵函式f x 1 1 e x f x f x 1 f x 3 z k j f yj vjk 此時系統...
BP神經網路
bp是back propagation bp神經網路主要的演算法在於誤差反向傳播error backpropagation 有三層 輸入層 input 隱含層 hidden 輸出層 output 輸入層 n個神經元 隱含層 p個神經元 輸出層 q個神經元 輸入向量 x x1,x2,x n 隱含層輸入...