1 BP神经网络

    1.1 拓扑结构

    BP神经网络是按误差逆传播算法训练的多层前馈网络，通过训练样本来学习和存贮大量输入-输出模式映射关系，无需事先揭示及描述映射关系的数学方程。学习规则采用最速下降法，通过误差反向传播不断调整网络的权值和阈值，使网络的整体误差最小[6-8]。

    BP神经网络的拓扑结构包括输入层、隐含层和输出层，其中可包含1个或多个隐含层。各层次的神经元之间形成全互连接，同层神经元之间无反馈连接，见图1。

    1.2 基本原理及其缺陷

    BP神經网络由信号的正向传播和误差的逆向传播2部分组成[9]。设输入层神经元为P=[p1，p2，…pi]，隐含层神经元为S=[s1，s2，…sk]，输出层神经元为A=[a1，a2，…，aj]， 表示输入层第i个神经元与隐含层第k个神经元之间的连接权值， 表示隐含层第k个神经元与输出层第j个神经元之间的连接权值；隐含层的激励函数为f1，输出层的激励函数为f2， 表示隐含层中各神经元的阈值， 表示输出层中各神经元的阈值。

    1.2.1 信息的正向传递 输入层各神经元与隐含层各神经元之间以相应的权重连接 ......