bp神经网络
先来了解一下什么是神经网络一个神经网络包含：输入层（输入特征个数）、隐藏层（个数不限制）、输出层（类别）、权重（重要程度）、偏执/阈值（有偏执率）
其中还要加上偏执，sgn是激活函数，它是为了防止结果值太大，把结果缩小到一定的范围内。这样得到的结果可能还不太准确，和真实值会有误差，于是我们用最小误差值倒推w，这个思想叫训练也叫bp神经网络
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。
bp算法一个实际应用
其中
是步长
其中
代替
问题
oj是sigmoid的输出它小于1,1-oj也小于1，相乘肯定小于1，可以推算出小于1/4，
从深层到浅层，每一层都有乘一个小于1的值，当返回到输入层时，它的梯度几乎无效了
