（文献复现02）BP神经网络-核素识别（01）

接下来的几篇博客主要介绍BP神经网络在核素识别中的应用，本篇内容先介绍BP神经网络。

BP神经网络简单理解

引言

BP神经网络(Back-Propagation Neural Network)，顾名思义就是反向传播的神经网络。这里提一点，基于反向传播的神经网络，例如CNN,RNN等，都属于全连接神经网络(Fully Connected Neural Network)。关于全连接神经网络可以参考这一篇博客：添加链接描述

假定认为一个传播需要三个要素：发出信号者，传播内容以及接受者，而BP神经网络的反向传播可以拆分理解为：发出信号者：神经网络系统，传播内容是：误差，接受者是：输出值。
因此，整个BP神经网络大致可以理解为，在训练神经网络过程中，系统会产生一定的误差，而误差怎么体现出来？在不断的循环过程中，系统将误差返回到输出值，误差被用来调整各个神经元的权重，也就是不断利用误差反馈来学习。

神经网络结构

神经网络的结构，可以用下面这个图来表示：

主要包含三个部分：输入层，隐层，输出层。输入层与输出层之间是通过隐层连接起来的，在这里我们可以思考一下，如果我们输入层数据不变的情况下，改变隐层参数，输出的结果会不会改变呢？
set(0,‘defaultfigurecolor’,‘w’)