Обучение перцептрона

Не подскажите из-за чего во время обучения нейро-сети алгоритмом обратного распространения ошибки значение весов синапсов устанавливается на NaN - not a number. Притом через раз. Уменьшил количество нейронов - стало реже. как функцию активации использую сигмоиду.

Еще не могли бы скинуть литературу, в которой описан принцип алгоритма обратного распространения ошибки, т.е. доказательство того, что он действительно работает. Просто как-то неудобно принимать его как данность. Лучше понимаешь принцип - легче работать.

Заранее спасибо.

Кстати, если это важно, то пишу на java.