不管是BP神经网络还是CNN神经网络，他们的训练过程是相似的，就是每输入一个数据，按层计算每个神经元的加权汇聚求和，并通过激活函数产生输出，直到最后的输出层产生一个网络的实际输出，用这个实际输出和期望的输出——即输入数据的标签进行比较（求差），误差大就反复调整网络的参数（权值和阈值），直到误差（网络性能指标）满足要求为止。
举一反三
- BP网络是一种前馈网络,即误差反向传播神经网络,一般的前馈网络包括:一个输入层、一个输出层、若干隐单元。()
- 假设一个BP神经网络的输入层、隐层和输出层分别有3、6和4个神经元，请问这个网络一共有多少个权重需要训练？
- 反向传播网络中最重要的一步是哪一步? A: 选择一组训练样例，每一个样例由输入信息和期望的输出结果两部分组成。 B: 从训练样例集中取一样例，把输入信息输入到网络中。 C: 计算网络的实际输出和期望输出的误差。 D: 从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调整网络中各神经元的连接权值
- BP（后向传播）神经网络是一种带有反馈功能的多层前向网络，关于“前向”、“后向”的说法正确的有（ ）。 A: 网络的输入由输入层前向传至隐藏层再至输出层 B: 网络的输出由输出层反向传回至各隐藏层 C: 网络的输出误差由输出层反向传回至输入层 D: 网络的输出误差由输出层反向传回至各隐藏层
- BP(后向传播)神经网络是一种多层前向(前馈)网络。以下关于“前向”、“后向”的说法正确是( )组成: A: 网络的输出误差由输出层反向传回至输入层 B: 网络的输入由输入层前向传至隐藏层再至输出层 C: 网络的输出由输出层反向传回至各隐藏层 D: 网络的输出误差由输入层正向传至各隐藏层