学习了BP神经网络算法，刚开始最终要的一点不明白的就是前一层和后一层（这里指的只有三层，输入层，隐藏层，输出层）的权重，其实神经网络算法中，前一层的每一个节点和后一层的每一个节点都有连接权重，初始权重是随机的。而更新权重是通过输出层的值来反向更新的。基本过程如下：
1. 输入第一个训练样本（对应的就是输入层各个节点的值），根据初始随机权重和输入层到隐藏层的计算公式（这个公式在神经网络算法的文章中都有）得到隐藏层的节点值。然后同样，根据计算得到的隐藏层的各节点值以及隐藏层输出层之间节点的连接权重，计算得到输出层的节点值。
2. 根据输出层的节点值，利用公式，更新隐藏层和输出层之间的连接权重。在根据公式更新隐藏层和输入层之间的连接权重，这样第一个训练样本训练就完成了。
3. 同理，输入其他的训练样本，这样神经网络的训练就完成了。
