1。特征向量标准化:使得输入到神经元的值位于0和1之间
2。随机初始化权重和偏置(-1到1之间)
3。传入样例,计算值
4.根据误差反向传送(从输入层算到输出层,再从输出层反向算回到输入层,这个算一次)
5。误差计算:
输出层误差值 = 计算结果*(1 - 计算结果)*(预期值 - 计算结果) // 预期值就是应该得到的那个值
隐藏层误差值 = 计算结果*(1 - 计算结果)*(后一层的误差值加权求和)
权重更新:
△Wij=学习率 * 该节点误差值 * 上一层的结点值 // 上一层:这条有向边的起点
Wij = Wij + △Wij
偏置更新:
△Bj= 学习率 * 该节点的误差值
Bj = Bj + △Bj
6。训练终止的条件:
一定次数,既定错误率,权重低于某个阈值