Backpropogation的简化说明

Question

我一直试图进入神经网络一段时间，我在JavaScript中创建了一个简单的感知器作为测试。阻碍我的一件事就是支持反击。我发现的每一个搜索引擎结果似乎都太复杂而不易理解。

我的Perceptron代码供参考：

class Perceptron {
  constructor(actFunc, inputs, bias, learningRate, normalizer){
    this.weights = [];
    for(var i = 0; i < inputs; i++){
      this.weights[i] = Math.random();
    }
    this.activation = actFunc;
    this.bias = bias;
    this.normalizer = normalizer;
    this.learningRate = learningRate;
  }
  train(input, expected) {
    var result = this.evaluate(input);
    var error = expected - result;
    this.weights[0] += this.learningRate*(error)*input[0];
    this.weights[1] += this.learningRate*(error)*input[1];
    this.bias += this.learningRate*error;
    console.log("Train: " + input + ": " + result + " Error: " + error);
  }

  evaluate(input){
    return this.activation((this.weights[0]*this.normalizer(input[0]))+(this.weights[1]*this.normalizer(input[1])) + this.bias);
  }

}

我最终希望能够将这些字符串组合成一个函数神经网络，但正如我所说，我遇到了障碍。