持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第18天，点击查看活动详情

大连海事大学机器学习附加实验：实现基本的bp神经网络。这里的实现是通过基本numpy实现，但是通过pytoch和tensorflow实现更为简单。这个基本实现的实验对于神经网络入门还是比较有参考意义的。

一．算法描述

神经网络是一种分层结构，一般由输入层，隐藏层，输出层组成。所以神经网络至少有3层，隐藏层多于1，总层数大于3的就是我们所说的深度学习了。

输入层：就是接收原始数据，然后往隐层送。

隐藏层：该层可以说是神经网络的关键，相当于对数据做一次特征提取。隐藏层的意义，是把前一层的向量变成新的向量。就是坐标变换，将数据做平移，旋转，伸缩，扭曲，让数据变得线性可分。

输出层：神经网络的决策输出。

二．数据描述

简单生成二维输入层，一维输出层

本次实验第一次手动构建自己的神经网络过程走了很多岔路，一开始设想单独为神经元创建一个类，这种设计是可行的，但难在层与层之间的交互：上一层的信号传导到下一层的信号要考虑同步，更新等问题，难度过大，因此参考很多网上的资源最终为神经网络创建了一个类，将所有方法封装到一个类中，实现较为简单。