1701011488
Step 1：初始化给各连接权值及阈值赋予［-1，＋1］之间的随机值。
1701011489
1701011490
1701011491
1701011492
Step 2：随机选取一模式对，提供给网络。
1701011493
1701011494
1701011495
1701011496
1701011497
1701011498
1701011499
1701011500
Step3：用输入模式、连接权值和阈值计算中间层各单元的输入；然后用通过s函数计算中间层各单元的输出。
1701011501
1701011502
1701011503
1701011504
1701011505
1701011506
1701011507
1701011508
Step 4：用中间层的输出、连接权值和阈值计算输出层各单元的输入，然后用通过s函数计算输出层各单元的响应。
1701011509
1701011510
1701011511
1701011512
1701011513
Step 5：用希望输出模式、网络实际输出，计算输出层的各单元的一般化误差。
1701011514
1701011515
1701011516
1701011517
1701011518
1701011519
Step 6：用连接权值、输出层的一般化误差、中间层的输出计算中间层各单元的一般化误差。
1701011520
1701011521
1701011522
1701011523
1701011524
1701011525
Step 7：用输出层各单元的一般化误差、中间层各单元的输出修正连接权值和阈值。
1701011526
1701011527
1701011528
1701011529
1701011530
1701011531
Step 8：用中间层各单元的一般化误差、输入层各单元的输入修正连接权值和阈值。
1701011532
1701011533
Step 9：随机选取下一个学习模式对提供给网络，返回到Step 3，直至全部m个模式对训练完毕。
1701011534
1701011535
Step 10：重新从m个学习模式对中随机选取一个模式对，返回Step 3，直至网络全局误差函数E小于预先设定的一个极小值，即网络收敛或学习回数大于预先设定的值，即网络无法收敛。
1701011536
1701011537
Step 11：学习结束。