以下两张图片是bp神经网络的正向传播和误差反向传播的数学推导，包括节点权值和阈值的更新。
该bp神经网络是单隐层神经网络，即含有一个输入层x1-xd，一个隐含层b1-bq，一个输出层y1-yl。
其中隐含层和输出层使用激活函数 f(x) = 1/(1+e^(-x)) 。
Vih表示xi与bh连接权值，gamah表示bh的阈值；Whj表示bh与yj的连接权值，thetaj表示yj的阈值。
误差反向传播过程中，需要更新的参数：d*q+q*l个权值，q+l个阈值。
图 1
图 2
【机器学习】Bp神经网络算法数学推导
原文作者：神经网络算法
原文地址: https://blog.csdn.net/qq_30141957/article/details/79517784
本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
原文地址: https://blog.csdn.net/qq_30141957/article/details/79517784
本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
