1、基础概念人工神经网络的概念：它从信息处理的角度抽象人脑神经网络，建立某种简单的模型，用不同的连接方式组成不同的网络。 在工程和学术界，人工神经网络往往简称为神经网络或神经网络。
神经网络的概念：由多个节点(也称为神经元)之间的连接构成的运算模型。 每个节点表示一个特定的输出函数，称为激励函数或激活函数。 各节点之间的连接表示通过连接对信号的加权值，称为权重。 它相当于人类神经的记忆(仿生)，神经网络的输出因网络的连接方法、权值、激活函数而异。 网络本身通常是对自然界某些算法和函数的近似，可能是逻辑策略的表示。 简而言之，人工神经网络的建立是利用函数拟合的性质体现自然规律。
2 .模型Bp神经网络是一种非线性多层前向反馈网络，一般分为三层，分别是输入层、隐含层和输出层。 这三层分别只影响下一层神经元的状态，当预测结果不能达到预期输出时，网络会进行反向传播。
主要思路：输入数据，采用反向传播算法不断调整参数，最终根据调整后的参数建立模型。
3 .代码#结构为[ 10，15，1 ]的BP神经网络model=TF.keras.sequential ([ TF.keras.layers.dense (15， activation='relu )的TF.Keras.layers.dense(1) ) model.summary ) #表示网络结构的model.com pile (optimizer=' ) validation_data=(test_x，test_y ) ——验证集history=model.fit(x ) x，y，epochs=10000，validation