简要说明前馈神经网络的BP算法学习过程，并指出其具有什么缺点及其原因？

计算步骤

1确定最大误差和最大学习次数。

2计算当前输入下的输出。

3判断输出误差是否满足要求，满足则退出，不满足则开始学习。

4计算广义误差，连接权系数更新。

6次数加1，继续迭代计算直到满足要求。

缺点：

1计算速度慢（计算量大，学习算法不成熟，不同的算法针对不同的问题收敛才快些）

2输入信号与训练信号相差加大时，可能导致结果完全错误（不同的区域可能有不同的极值）

clear

%p1,p2是训练数据

p1=[124,127;136,174;138,164;138,182;138,190;

140,170;148,182;154,182;156,208];

p2=[114,182;118,196;120,186;126,200

128,200;130,196];

p=[p1;p2]';

pr=minmax(p)

%goal是训练数据p的标准输出结果

goal=[ones(1,9),zeros(1,6);zeros(1,9),ones(1,6)];

%plot(p1(:,1),p1(:,2),'h',p2(:,1),p2(:,2),'o')

%创建一个前向反馈后向传播神经网络-即BP神经网络

net=newff(pr,[3,2],{'logsig','logsig'});

%设置训练参数

nettrainParamshow = 10;

nettrainParamlr = 005;

nettrainParamgoal = 1e-10;

nettrainParamepochs = 50000;

%训练网络

net = train(net,p,goal);

x=[124 180;128 184;140 204]';

%测试训练结果

y1=sim(net,p1')

y2=sim(net,p2')

y=sim(net,x)

人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

　　逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1信息是通过神经元上的兴奋模式分布储在网络上;2信息处理是通过神经元之间同时相互作用的动态过程来完成的。

　　人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

反向传播神经网络是反馈神经网络。根据查询相关资料信息，反向传播主要是针对神经网络优化的过程中进行，在L端计算总的损失函数，然后根据梯度递减公式，逐层的向前反馈，形成反向传播机制，可以优化参数。

神经网络是智能控制技术的主要分支之一。本书的主要内容有：神经网络的概念，神经网络的分类与学习方法，前向神经网络模型及其算法，改进的BP网络及其控制、辨识建模，基于遗传算法的神经网络，基于模糊理论的神经网络，RBF网络及其在混沌背景下对微弱信号的测量与控制，反馈网络，Hopfield网络及其在字符识别中的应用，支持向量机及其故障诊断，小波神经网络及其在控制与辨识中的应用。

本书内容全面，重点突出，以讲明基本概念和方法为主，尽量减少繁琐的数学推导，并给出一些结合工程应用的例题。本书附有光盘，其中包括结合各章节内容所开发的30多个源程序，可直接在MATLAB界面下运行，此外，还包括用Authorware和Flash软件制作的动画课件。

本书既可作为自动化和电气自动化专业及相关专业的研究生教材，也可供机电类工程技术人员选用，还可作为有兴趣的读者自学与应用的参考书。