BP 신경망은' 심화 학습 여행의 시작' 이라고 불리며 신경망의 입문 알고리즘이다.
각종 크고 큰 신경망은 모두 BP 네트워크를 기반으로 출발하는데, 가장 기본적인 원리는 모두 BP 네트워크에서 나온 것이고, 또 BP 신경 네트워크 구조가 간단하고, 알고리즘의 고전이 신경망 중 가장 널리 응용되는 것이다.
발전 시작-인공신경망의 발전 역사에서, 감각기 네트워크는 인공신경망의 발전에 큰 역할을 하였으며, 그 출현은 인공신경 네트워크를 연구하는 사람들의 열풍을 불러일으켰다. 단일 레이어 인식 네트워크 (M-P 모델) 는 초기 신경 네트워크로 모델이 명확하고 구조가 간단하며 계산량이 적다는 장점이 있습니다.
선형 분리만 해결할 수 있습니다. 하지만 연구가 진행됨에 따라 비선형 문제를 처리할 수 없는 등 여전히 부족한 것으로 나타났습니다. 계산 단위의 작용 함수가 밸브 함수를 사용하지 않고 다른 복잡한 비선형 함수를 사용하더라도 선형 분리가능 문제만 해결할 수 있습니다. 몇 가지 기본 기능을 구현할 수 없어 응용 프로그램을 제한할 수 있습니다.
다층 피드 포워드 네트워크-네트워크의 분류 및 인식 기능을 향상시키고 비선형 문제를 해결하는 유일한 방법은 입력 및 출력 계층 사이에 암시적 계층을 추가하는 다중 계층 피드 포워드 네트워크를 사용하는 것입니다.
BP 신경망의 등장-1980 년대 중반, 데이비드 루넬하트. Geoffrey Hinton 과 Ronald W-llians, DavidParker 등은 각각 BP (오차 역전파 알고리즘) 를 독립적으로 발견했고, 시스템은 다중 계층 신경망 암시적 레이어 연결 학습 문제를 해결하고 수학적으로 완전한 유도를 했다. 사람들은 이런 알고리즘을 사용하여 오차 보정을 하는 다층 피드 포워드 네트워크를 BP 네트워크라고 부른다.
BP 신경 네트워크는 임의의 복잡한 패턴 분류 기능과 우수한 다차원 함수 매핑 기능을 갖추고 있어 간단한 센서로 해결할 수 없는 이질적 또는 기타 문제를 해결합니다. 구조적으로 BP 네트워크에는 입력 레이어, 숨겨진 레이어 및 출력 레이어가 있습니다. 본질적으로 BP 알고리즘은 네트워크 오차 제곱을 대상 함수로 하고 그라데이션 하강 방법을 사용하여 대상 함수의 최소값을 계산하는 것입니다.