1：MLP(Multi-Layer Perceptron)反向传播
（1）多层感知机模型
（2）反向传播的推到过程（主要使用链式法则）：
【注】
W的上标表示第几层（也即是第几层输出层）。W的第一下标表示输入层的第几号节点，下标表示加权求和层（输出层）的第几号节点。
（3）最终推导结果：
（4）单层和多层感知机反向推导结论的对比：
[注]反向传播的过程：
首先：通过计算输出层的ók，就可以计算出输出层权值的偏微分
第二步：通过第一步得到的结果就可以计算出倒数第二层的ój，就可以得到倒数第二层的权值的偏微分，如此循环就可以对第一层权值就行更新。（第0层为初始输入层）