0 网络计算结果

　　B(m)=f( ∑_n( W(n,m)*X(n) ) - Θ(m) )　　%中间层的输出

　　Y(k)=f( ∑_m( V(m,k)*B(m) ) - ф(k) )　　%输出层的输出

1 计算误差值

　　E(k)=Y‘(k)-Y(K)　　　　%Y‘表示样本真实的输出值

2 计算校正误差

　　dV(k)=E(K) * Y(k) * ( 1-Y(k) )

　　dW(m)=∑_k( dV(k) * V(m,k) ) * B(m) * ( 1-B(m) )

3 误差校正

　　V(m,k)=V(m,k) + dV(k) * B(m) * [学习率]

　　W(n,m)=W(n,m) + dW(m) * X(n) * [学习率]

　　ф(k)=ф(k) + dV(k) * [学习率]

　　Θ(m)=Θ(m) +  dW(m)* [学习率]

权重阈值修正-反向传播法