BP网络与BP算法

BP神经网络（Back Propagation Neural Network）是一种多层前馈神经网络，其核心思想是通过反向传播算法（BP算法）调整网络的权重和偏置，以最小化输出误差。

神经网络的研究始于20世纪40年代，最初的感知机模型由心理学家沃伦·麦卡洛克（Warren McCulloch）和数理逻辑学家沃尔特·皮茨（Walter Pitts）于1943年提出。然而，由于其局限性，神经网络研究在随后的几十年中经历了低潮期。直到1986年，科学家大卫·拉姆哈特（David Rumelhart）等人提出了反向传播算法，成功解决了多层网络中隐层权重调整的问题，标志着神经网络研究的复兴。

BP神经网络的核心思想是通过反向传播算法调整网络参数，使得网络输出尽可能接近期望输出。

前向传播过程

设输入层有 I I