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