神经网络基本过程

1. 神经网络基本结构

　　神经网络：n个输入，m个中间层，k个输出层

　　X表示输入，W表示输入到中间层的权重，V表示中间层到输出的权重，Y是网络输出

　　Θ表示中间层的阈值，ф表示输出层的阈值。

　　F()为激励函数，计算神经元的输出

2 基本过程

　　1. 计算每个中间层的输出

　　　　B(m)=f( ∑_n( W(n,m)*X(n) ) + Θ(m) )

　　2. 计算每个输出层的输出

　　　　Y(k)=f( ∑_m( V(m,k)*B(m) ) + ф(k) )

　　3. 根据输出层输出和真实值比较，修改W V Θ ф

　　　　在这一步主要通过一定的方法，比如误差反向传播法、梯度下降法、遗传算法等，修改权重和阈值

　　4. 重复以上过程，直到网络的得到满意的输出

 完整的例子在这里：BP人工神经网络-反向传播法