BP 알고리즘의 기본 아이디어는 학습 과정이 신호 정방향 전파와 오차의 역반환의 두 부분으로 구성된다는 것입니다. 순방향으로 전파될 때 입력 샘플은 입력 레이어에서 들어오고, 각 은층을 통해 순차적으로 처리되며, 출력 레이어로 전달되며, 출력 레이어 출력이 예상과 일치하지 않을 경우 조정 신호로 레이어별로 역방향으로 오류를 반환합니다. 뉴런 간의 연결 권한 매트릭스를 처리하여 오류를 줄입니다. 반복 학습을 거쳐 결국 오차를 허용 가능한 범위로 줄였다. 구체적인 단계는 다음과 같습니다.

1, 교육 세트에서 한 권을 꺼내서 네트워크에 정보를 입력합니다.

2, 노드 간 연결을 통해 레이어별로 앞으로 처리한 후 신경망의 실제 출력을 얻습니다.

3, 네트워크 실제 출력과 예상 출력의 오류를 계산합니다.

4, 오류를 레이어별로 이전 레이어로 되돌리고 특정 원칙에 따라 오류 신호를 연결 가중치에 로드하여 전체 신경 네트워크의 연결 가중치를 오류 감소 방향으로 변환합니다. 전체 교육 샘플 세트의 오차가 요구 사항에 맞게 감소할 때까지

5, 교육 세트의 각 입력-출력 샘플 쌍에 대해 위 단계를 반복합니다.