bp 神經網路的資訊處理方式具有如下特點:
1）資訊分布儲存。人腦儲存資訊的特點是利用突觸效能的變化來調整儲存內容， 即資訊儲存在神經元之間的連線強度的分布上， bp神經網路模擬人腦的這一特點，使資訊以連線權值的形式分布於整個網路。
2) 資訊並行處理。人腦神經元之間傳遞脈衝訊號的速度遠低於馮·諾依曼計算機的工作速度，但是在很多問題上卻可以做出快速的判斷、決策和處理，這是由於人腦是乙個大規模並行與序列組合的處理系統。bp神經網路的基本結構模仿人腦，具有並行處理的特徵，大大提高了網路功能。
3）具有容錯性。生物神經系統部分不嚴重損傷並不影響整體功能，bp神經網路也具有這種特性，網路的高度連線意味著少量的誤差可能不會產生嚴重的後果，部分神經元的損傷不破壞整體，它可以自動修正誤差。這與現代計算機的脆弱性形成鮮明對比。
4）具有自學習、自組織、自適應的能力。bp神經網路具有初步的自適應與自組織能力，在學習或訓練中改變突觸權值以適應環境，可以在使用過程中不斷學習完善自己的功能，並且同一網路因學習方式的不同可以具有不同的功能，它甚至具有創新能力，可以發展知識，以至超過設計者原有的知識水平。
由於bp網路訓練中穩定性要求學習效率很小，所以梯度下降法使得訓練很慢。動量法因為學習率的提高通常比單純的梯度下降法要快一些，但在實際應用中還是速度不夠，這兩種方法通常只應用於遞增訓練。
多層神經網路可以應用於線性系統和非線性系統中，對於任意函式模擬逼近。當然，感知器和線性神經網路能夠解決這類網路問題。但是，雖然理論上是可行的，但實際上bp網路並不一定總能有解。
對於非線性系統，選擇合適的學習率是乙個重要的問題。**性網路中，學習率過大會導致訓練過程不穩定。相反，學習率過小又會造成訓練時間過長。
和線性網路不同，對於非線性多層網路很難選擇很好的學習率。對那些快速訓練演算法，預設引數值基本上都是最有效的設定。
非線性網路的誤差麵比線性網路的誤差面複雜得多，問題在於多層網路中非線性傳遞函式有多個區域性最優解。尋優的過程與初始點的選擇關係很大，初始點如果更靠近區域性最優點，而不是全域性最優點，就不會得到正確的結果，這也是多層網路無法得到最優解的乙個原因。為了解決這個問題，在實際訓練過程中，應重複選取多個初始點進行訓練，以保證訓練結果的全域性最優性。
網路隱層神經元的數目也對網路有一定的影響。神經元數目太少會造成網路的不適性，而神經元數目太多又會引起網路的過適性。
bp神經網路
實驗四計算智慧型 1 1 實驗目的 理解反向傳播網路的結構和原理，掌握反向傳播演算法對神經元的訓練過程，了解反向傳播公式。通過構建bp網路例項，熟悉前饋網路的原理及結構。2 實驗內容 編寫乙個bp神經網路程式，實現簡單的分類。3 實驗報告要求 1 簡述實驗原理及方法，並請給出程式設計流程圖。bp演算...
BP神經網路
目標函式 y sin 2x sin x x 5,5 其影象為 程式 clc clear all x 5 0.01 5 y sin pi x sin 2 x net newff minmax x 10,1 traingd net train net,x,y y1 sim net,x plot x,y ...
BP神經網路實驗報告
一 實驗目的 1 熟悉matlab中神經網路工具箱的使用方法 2 通過在matlab下面程式設計實現bp網路逼近標準正弦函式，來加深對bp網路的了解和認識，理解訊號的正向傳播和誤差的反向傳遞過程。二 實驗原理 由於傳統的感知器和線性神經網路有自身無法克服的缺陷，它們都不能解決線性不可分問題，因此在實...