写在前面：
最近为了准备数模，囫囵吞枣地看了一些相关的模型和算法，神经网络模型我也是刚刚接触，这篇文章的内容算是一个笔记，记录的是我现阶段对这个算法的印象，肯定有偏颇与不对的地方，希望各位大佬多多指正与补充
BP神经网络预测算法
BP神经网络是前缀网络的一种 ， 由输入层与输出层之间的若干隐层组成 ， 如图 ：
1. 前向传输
*对于隐层的任一神经元 j ，其的输入I_{j}为：
w_{ji} 为隐层神经元 j 与输入层神经元 i 之间的突出强度（即加权值）；
*其输出为 ：
其中u（x）为激活函数 ， 这里取1/(1+e^(-x))
2. 误差反向传播
*隐层的实际输出y_{j} 与期望输出 d_{j} 的差距为 ：
*最小均方根 （虽然我也不知道为什么要这样做==） ：
*误差累加 ：
*根据累加的误差 ， 采用梯度下降法对加权值w{ij} 进行修正 ：
其中
是设置的误差方向传播的学习率 ；
Matlab工具箱实现 （为什么用工具箱 ？ 原理都没弄明白更不指望能自己手打程序了=_=，只能说工具箱是个好东西）
手动在app那找到 Neural Net Fitting （在命令行中，输入命令nftool）
一路next
在 Select Data 中选择输入数据和期待的输入数据 和 响应 的 样本类型。
一路next
在Network Archiecture 中设置 隐层 的神经元数 y 一般按照公式 ：
其中ｎ是输入层的神经元数；ｍ是输出层的神经元数；ａ属于［１，１０］；
一路 next
在Train Network 点击 Train
一路 next
在 Save Results 中 生成脚本 （Simple Script）
回到编译器 中保存脚本并运行 ；
这时会得到一个训练好地 net 模型
在 命令行中 运用该模型 和 你的输出数据 得到 预测结果 ；
y=sim(net,x) 其中 x为输入的数据 ； y为最终预测的值 ；
