其中 W = ( w 1 , w 2 , w 3 , ..., wn ) 是存储每个权重/偏差值的矩阵。对于每个 i ,wi 是网络中的一个权重或偏差的值。C 是我们的“错误”,应该尽可能低。显然,我们希望最小化成本函数,这可以通过计算网络中每个权重和偏差的偏导数来实现,这些权重和偏差最初具有任意初始值,这些值可能会发生变化。然后,我们使用递归关系 W n +1 = W n −∇ C ( W n ) 相应地修改权重和偏差值。通过迭代此过程,我们很可能可以到达点 C min = lim n →∞ C ( W n ),此时 C 最小化,并且人工神经网络模型经过训练可以给出我们想要的结果。