BP 反向传播算法

BP算法的核心思想

BP算法（反向传播）是神经网络学习的关键。它通过以下步骤工作：

1. 前向传播：输入数据从输入层流向输出层，网络基于当前权重给出预测
2. 计算误差：将预测结果与正确答案比较，计算差距
3. 反向传播：误差从输出层向后传递，计算每个神经元的责任
4. 更新权重：根据每个连接对误差的贡献，微调所有神经元之间的连接权重

这个过程会不断重复，直到网络的预测误差降到理想水平。这就像是通过反复试错来学习一项技能，每次从错误中学习一点点。

为什么叫"反向"传播？

"反向"来自于误差传递的方向。在计算完误差后，优化信息是从输出层（网络末端）逆流回输入层（网络起点），与数据的前向流动方向相反。这种反向流动让网络能够找到每个参数对最终误差的贡献，从而进行精确调整。