我喜与神经网络，现在玩。我做了那种本教程的重新实现的： http://www.ai-junkie.com/ann/evolved/nnt5.html，但随着鱼类和食品也有不同的编程语言。但重点是一样的。
的BP神经网络
我有一堆鱼（20）和一堆foos（40）。每条鱼都有大脑（神经网络（我将从现在开始使用ANN））。目前，神经网络不使用backprop，并通过遗传alghoritm进行训练。它工作正常。我想通过使用反向传播来实现学习，而不是比较这两种方法。问题只是反向传播alghoritm。我读了一些关于它的文章，但是我没有明白它如何在这个例子中被使用。我可能只是不理解它而已。
我会解释这个问题：
现在我有4个输入的神经网络。注视矢量的lookAt（X，Y），向量最接近食品closestFood（X，Y）=>这个向量的值被输入到神经网络。 nn的输出是鱼的右鳍的速度=> ANN具有2个输出leftFliperSpeed，rightFlipperSpeed。
所以总结起来。我有安这样的：
输入：4（lookAt.X，lookAt.Y，closestFood.X，closestFood.Y）
层：3（输入，输出，和一个隐藏的6个神经元）
输出：2 （leftFlipperSpeed，rightFlipperSpeed）
我用这样的：
1.遗传alghoritm我得到鱼的第一群（读我将获得的权重为ANN的输入）。
2.运行一些迭代次数的模拟，让鱼吃掉鱼类找到和吃的食物。我发现鱼类食物，她的健身功能增加，食物在其他地方重新定位。我一直都有不断的鱼类和食物。
3.在例如2000次迭代后，我再次运行遗传alghoritm并从实际人群中获得新的人群 - 具有较高适应度的鱼有更高的生存机会或成为新鱼的父亲或妈妈。我为神经蝾螈获得新的重量。并从第2点开始继续。
这里的学习过程很简单明了。而且它没有上司的学习。
现在反向传播。从我阅读的文章中，反向传播是监督学习。问题在于训练集。遗传学alghs我不需要它在这里是的。
我能做些什么来实现反向传播。
任何提示如何从中获得新的权重以及如何替换主管？如果没有主管，我认为反向传播是不可能完成的。它可以以某种方式使用我通过遗传alghoritm学习得到的数据，但它将取决于输入数量，食物池的大小，其中将是鱼等。