BP神经网络采用何种训练方法？它能完成哪些任务？

BP神经网络方法

。

人工神经网络作为一种新兴学科，在近几十年中得到了快速发展。它作为一种基于大规模并行分布处理机制的非线性系统，在特别适用于难以用数学模型精确描述或解析的问题领域展现出强大的应用潜力。该系统不仅能够逼近各种非线性特性，并且特别强调其具备强大的自适应能力、自主学习能力和良好的联想记忆功能的同时还具有极强的容错机制以及能够实现高效的并行处理。

近年来，在水质分析与评价领域中对人工神经网络的应用得到了越来越广泛的运用，并取得了显著成效。在这一系列应用案例中，在模式识别相关领域的神经元组织研究中 BP 网络无疑是最为有效的代表之一

基于多层前向神经网络的权值调整过程以及反向误差传播学习原理的一种算法（ErrorBackPropagation简称为BP）。当实际运用该算法时会划分为两个主要环节即网络训练阶段和正常运行阶段。

在网络权值的训练阶段中，在设定的具体模式下遵循"顺传播"、"逆传播"、"记忆训练与学习收敛"四个步骤进行权值参数的优化调整

在运行阶段中，在已知训练好的网络权重参数和给定输入向量的基础上，在遵循"模式顺传播"算法的基础上进行计算能得到与该输入