Andrew Ng在他的机器学习课程中讲述bp神经网络时，并没有深究这算法背后的推导过程，只是给了我们一个大体的执行步骤，实现了这个算法但却不知道这个算法背后的原理是件很痛苦的事。在看了知乎、csdn、简书后发现有很多人采用矩阵求偏导之类的推导步骤。诚然，这么干可以使公式变得很紧凑，在编程时也能有效减少代码行数，提高运行效率，但是矩阵形式的推导有两个小小的不足：
1. 矩阵、向量的求导、求偏导对于初学者而言比较难以理解； 2. 有的博主自己就没弄懂正确的矩阵求导法则和公式，导致他们的推导过程本身并不严密，仅仅是最后推出了bp的权重更新结果公式。
于是我在参考某篇知乎文章后，针对一个具体的神经网络结构对这里面的bp算法进行了一个详细的推导，希望能给出一个不仅适合初学者学习而且过程较为严密的推导。由于我水平有限，其中肯定有不少疏漏之处，不喜轻喷qwq…
