设有含n个节点的任意网络，各节点的转移函数为Sigmoid函数。为简单起见，认为网络只有一个输出y，任一节点i的输出为Oi；并设有N个样本(Xk,Yk)(k=1,2,…,N)，对某一输入Xk，网络的理想输出为Yk，节点i的输出为Oik，节点j的输入为
节点j的输出为
使用平方型误差函数
其中，
为网络的实际输出，定义
于是，
| 这个算法的学习过程，由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐节点单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使得误差信号递减至最小。 设有含n个节点的任意网络，各节点的转移函数为Sigmoid函数。为简单起见，认为网络只有一个输出y，任一节点i的输出为Oi；并设有N个样本(Xk,Yk)(k=1,2,…,N)，对某一输入Xk，网络的理想输出为Yk，节点i的输出为Oik，节点j的输入为 节点j的输出为 使用平方型误差函数 其中， 为网络的实际输出，定义
于是， |