图3-2 人工神经元（感知器）示意图
当神经元j有多个输入xi(i=1，2, ,m)和单个输出yj时，输入和输出的关系可表示为:
m
sj wijxi j
其中j为阈值，wij为从神经元i到神经元j的连接权重因子，f( )为传递函数，或激励函数。
3.2 BP神经网络及其原理
BP神经网络是误差逆传播算法训练的多层前馈网络的简称，它的组成包括：输入层、隐含层和输出层。每一层由一定数量的的神经元构成。这些神经元是互
相关联的就像生物神经元那样。其结构图
3-3所示：
图3-3 BP神经网络模型
生物神经元信号的传递是在突触内发生的的一个复杂的电化学等过程, 而人工神经网络的传递是将生物神经元简化模拟通过自适应学习而不断修正的过程，由此得到了神经元间连接权重。神经系统中的感觉神经元即是网络的输入层，同样只接收输入信号。输入层输入信号，经隐含层由输出层输出。再比较输出信号与期望输出，如果存在误差，则将误差信号反馈到输出层。在这个过程中，通过梯度下降算法的误差，分配给每个单元层，从而得到各单元的误差信号，这是基于误差信号校正单元的权值，网络的权重因此再分配。由此输入信号再由输入
