誤差反向傳播算法
BP算法，即誤差反向傳播算法，是一種用於訓練神經網路的學習算法。
這種算法包括兩個主要過程：
信號的前向傳播。在這個階段，輸入信號從輸入層進入網路，依次通過隱藏層，到達輸出層。
誤差的反向傳播。如果輸出層的實際輸出與期望輸出不一致，那麼誤差就會從輸出層反向傳播回輸入層，並利用這個誤差來更新神經網路的權重和偏置值，使網路在下一次疊代中能夠更準確地預測或分類。
BP算法的核心在於利用梯度下降法計算損失函式（誤差函式）的梯度，並根據這些梯度調整網路的參數（權重和偏置值），這個過程不斷疊代，直到網路在訓練數據上的表現達到預設的標準。BP算法是深度學習的基礎，它使得訓練多層神經網路成為可能，對於發展深度學習技術起到了關鍵作用。