前馈神经网络前馈神经网络的结构一般包含输入层、输出层、及隐含层，隐含层可以是一层或多层。各神经元只接收前一层的输出作为自己的输入，并且将其输出给下一层，整个网络中没有反馈。每一个神经元都可以有任意多个输入，但只允许有一个输出。图1选择只含一个隐含层的前馈神经网络。其原理框图如图1所示。j=1图中，只有前向输出，各层神经元之间的连接用权值表示。设输入层有M个输入信号，其中任一输入信号用i(I=1,2,M)表示；隐含层有N个神经元，任一隐含层神经元用j(j=1,2,N)表示；输入层与隐含层间的连接权值为w(n),ij(i=1,2,M;j=1,2,N)；隐含层与输出层的连接权值为w(n)。假定隐含层神j经元的输入为u(n),输出为v(n)；输出层神经元的输入为oC),网络总输出为jj(n)。则此神经网络的状态方程可表示为：uji=1vj(n)=fo(n)=七wjj=1(n)y(n-i+1)-i=1(n)vj(n)(n)y(n-i+1)(n)=fo(n)=f兰w(n丄(n)式
