为了更好地理解反向传播，先进一步地研究一下前向传播的过程：
这是一个含2个输入单元的神经网络结构（没有把偏置单元算进去），第二层有2个隐藏单元，再下一层也有2个，最后只有一个输出单元。
在进行前向传播时，我们的样本，比如(x^ (i),y^ (i))，把这个x^ (i)传到输入层中。
z(2)_1和 z(2) _2是输入单元的加权和。
然后将sigmoid逻辑函数，还有sigmoid激活函数应用到z值上，得到激活值a(2)_1和a(2)_2，以此类推，得到网络中最后的输出值a^(4)_1。
注意一下这里的计算过程，比如这个隐藏单元：
Θ是权值（参数）
所以计算z(3)_1的方法就是：
（权重乘以前面单元的值）
这就是前向传播。
事实上，后面我们会发现，反向传播的过程和前向传播非常相似，只是这两个算法计算的方向不一样而已。
为了更好地理解反向传播算法的过程，先看看其代价函数：
这个代价函数一般应用于只有一个输出单元的情况。
如果有不止一个输出单元，只需用k作为输出单元的下标，然后对它们进行求和即可。
（反向传播计算的就是代价函数的偏导数）
同一组样本中同时使用了前向传播和反向传播算法。
对于这组单独的样本(x^ (i),y^ (i))，在只有一个输出单元的情况下，y^ (i)就是一个实数。
忽略正则化，即λ=0。
观察括号中这个求和项：
会发现这项代价函数对应第i个训练样本，即代价函数对应的训练样本（x^ (i),y^ (i)）是由这个式子给出的：
所以第i个样本的代价函数可以写成这个形式：
这个代价函数扮演了一个类似方差的角色。
可以把cost(i)近似地当成是神经网络输出值与实际值的方差：
就像逻辑回归中，实际中会偏向于选择比较复杂的、带对数形式的代价函数。
但为了方便理解，可以把这个代价函数看作是某种方差函数。
因此cost(i)表示了神经网络预测样本值的准确程度，也就是网络的输出值和实际观测值y(i)的接近程度。
现在再看看反向传播的过程：
一种直观的理解是，反向传播算法就是在计算这些δ^ (l)_j项，我们可以把它看作是我们在第l层中、第j个单元中得到的激活项的“误差”。
更正式地说，δ项实际上是代价函数cost(i)关于z^(l) _j的偏导数，也就是计算出的z项的加权和，或者说代价函数关于z项的偏导数：
具体来说，这个代价函数
是一个关于标签y和神经网络中h(x)的输出值的函数。
如果分析网络的内部，稍微把z^(l)_ j改一下，就会影响到神经网络的值h_θ^(x ^(i)) ，最终将改变代价函数的值。
(z是中间项）
δ项衡量的是，为了影响这些中间值，我们想要改变神经网络中的权重的程度，进而影响整个神经网络的输出h(x)，并影响所有的代价函数。
让我们继续深入下去了解反向传播的过程：
对于输出层而言，如果我们设
当我们对训练样本i做前向传播和反向传播的时候，这是一个误差值，也就是y的实际值与预测值的差，这样我们就可以算出δ(4)_1的值：
然后对这些值进行反向传播，最后可以计算出前一层的这些δ项：
然后继续进行传播，最后计算出
反向传播的计算过程和前向传播非常地相似，只是方向反了过来。
如何计算出δ的值？
例如要计算δ(2)_2，与前向传播相似，先标出一对权重：
然后再来看δ(2) _2是怎么计算的，我们要做的是用δ(3) _1和对应的权重相乘，再加上δ(3) _2乘以对应权重：
实际上就等于后一层中δ项的加权和（由对应边的强度来进行加权）。
再举一个例子：
顺带一提，这些δ值都只关于隐藏单元，并不包括偏置单元，这取决于你对反向传播的定义以及你实现算法的方式。
当然也可以用其他方式来计算包含偏置单元的δ值，偏置单位的输出总是“+1”，并且它们一直都是这样，我们无法改变它：
我经常使用的方法是，最后会计算出它们的值，但我会丢掉它们，不使用这些值。因为它们最后并不会影响偏导数的计算。
至此，我们对反向传播的过程有了一个更加直观的理解。
这是一个非常有效的学习算法。
（虽然这是一种很难进行可视化的、很难理解它到底做了什么的算法，其内部原理以及过程都很难展现出来。）
参考资料：吴恩达机器学习系列课程
