（24）BackPropagation.py代码

Create_AI_Framework_In5Classes(Day2)版本的Node.py代码：

class Node:

Create_AI_Framework_In5Classes(Day3)版本的Node.py代码,与Create_AI_Framework_In5Classes(Day2)版本相比：

·          上段代码中第5行以后新增代码，新增set_minor_error、get_minor_error代码。

……

(6)   然后进行循环，计算除输入层节点之外的每个节点要负的责任。循环所有的节点nodes，从后往前推，每次往前进行一个节点，但是不需要计算输入层的节点。从后往前推要获得target_index ，即node本身的index()，基于target_index获取权重的反推链。同时要计算每个神经元误差的总和，因为记录每个神经元最终负的责任。

Create_AI_Framework_In5Classes(Day3)版本的BackPropagation.py代码：

 class BackPropagation:

BackPropagation中各神经元节点误差的计算，实现的原理机制如图所示，输出信号y同训练数据集中的预测输出结果z做对比，输出信号y与预测值z之间的误差值用d 表示，计算损失信号d反向传播所有神经元。 其中权重系数Wmn 用来计算损失信号。神经网络的神经元节点（除输入层节点）都按照此过程计算。

图 1- 39 Back Propagation误差的计算