BP神经网络用于预测
文章中经常说到神经网络的拓扑结构，拓扑结构是指：表示点和线之间关系的图。，在自己写文章是在对神经网络进行解释时可以用到，加以解释。
将BP神经网络与信息熵，交叉熵，和滑窗相结合起来进行预测，交叉熵代替损失函数，或者是用信息熵将需要预测的数据进行过滤，留下相关性大的数据作用预测数据进行预测。
1.BP神经网络的基本知识
BP神经网络一般分为三层，输入层，隐含层，输出层。输入层input神经元一般为原始数据输入层输入，进入隐含层进行加权、求和、再应用于激活函数中，（每一层隐函数中都有一个激活函数，可能是线性的，也可能是曲线函数）进行训练，然后为隐含层输出，，在进入输出层输入，进行仿真预测，然后输出层输出，进行反归一化最后输出预测的数据值output
2.信息熵的相关知识
信息熵是有香农体出的关于对信息量大小的度量，也可以理解为信息有序程度的大小，信息越混乱，信息熵越大，它可以用于BP神经网络预测中，用原始数据中与想要预测的数据相关性大的数据进行预测，相关性小的进行过滤，这样可以增加预测的准确性。
