我目前正在学习模式识别。我有7年的编程背景，所以，我的思维方式像一个程序员。
关于人工神经网络的文档并没有告诉我任何关于处理顺序的信息，或者至少没有解释得很清楚。这很烦人，因为我不知道如何编写这些公式的代码。
我找到一个不错的gif文件，希望它是正确的。能否有人给我一个逐步的过程，解释一个具有2个输入、1个隐藏层（3个节点）和2个输出的使用sigmoid函数的人工神经网络的反向传播？
这是gif文件的链接。
回答：
正如@人名所说，你需要从输入到输出一层一层地进行处理，然后再一层一层地反向传播错误。
从你所说的话来看，我猜你正在尝试做一个“面向对象”的实现，其中每个神经元都是一个对象。但这并不是最快或最简单的方法。最常见的实现是通过矩阵运算，每一层由一个矩阵描述（每一行包含一个神经元的权重加上阈值）。
以下是Matlab代码，应该可以解决问题：
output_hidden = logsig( hidden_layer * [inputs ; 1] );inputs 是输入层的列向量
hidden_layer 是权重矩阵，加上描述隐藏层阈值的一行
output_hidden 再次是层中所有神经元输出的列向量，可以用作下一层的输入
logsig 是对向量中每个元素进行sigmoid变换的函数
[inputs ; 1] 创建一个在inputs列向量末尾添加1的新向量，这是因为你需要一个“虚拟输入”来与阈值相乘。
如果你仔细思考，你会发现矩阵乘法恰好是对所有输入乘以权重后进行的求和，你还会发现处理的顺序并不重要。要在其他语言中实现它，只需找到一个好的线性代数库。实现反向传播稍微复杂一些，你需要进行一些矩阵转置（例如，沿对角线翻转矩阵）。
