参考了数据挖掘算法书，捋出自己的思路，感觉也仅为思路
首先理解什么是后向传播，通过调整神将网络中连接输入与输出单元之间连接的权重来预测输入元组的类标号。通过这种方法迭代的处理训练元组数据集，把每个元组的网络预测和实际已知的目标值进行比较学习。
对于每个训练样本，修改权重是使得预测和实际目标值之间的均方误差较小。
步骤：首先使用（-1,1）或者（-0.5,0.5）内的随机数初始化函数，将训练元组输入到网络的输入层，然后这组数据经过隐藏层和输出层时有很多输出值，从最后一个输出层和这个输出层的前一个输入层来看，他们之间存在一个误差，书中称为偏倚，我们可以得到每一层存在的偏倚值；然后假如有偏倚值和期望不符合的（这里通过偏导数来计算判断），我们就对他使用反向传播，更新各层单元的权重（更新权重也是通过偏导数来做）；直到误差在接受的范围后（通过计算全局误差来判断）完成算法。