12.1  BP神经网络

BP神经网络是由Rumelhart和McCelland等科学家于1986年正式提出来的，它属于遵循误差逆传播算法进行训练的多层前馈网络，根据目前我们所知道的人工神经网络的许多模型，在这么多模型中被使用最多的一种模型就是BP神经网络模型，BP神经网络对输入和输出的映射关系学习能力比较强大，而且它能存储这样的映射关系，并且不需要任何事前对映射描述的数学公式。BP神经网络主要运用的学习方法是最速下降法，通过利用网络中的方向传播来达到对网络中的权值和阈值不停调整的目的，这样最终能够使得该网络中的误差平方和值达到最小。神经网络分为前向型和后向型，而BP神经网络属于前向型，并且它本身具备监督学习方式，在一些分类处理中的表现是非常优秀的，现在已经被广泛地应用于模式识别中。