关于人工神经网络的学习过程的问题
初学人工神经网络，对神经网络的学习过程，我个人的理解是，选取样本（X，Y）之后，X是输入，Y是输出，对神经网络进行训练，改变网络内部的权值、阈值等参数，使最后的输出结果，...
初学人工神经网络，对神经网络的学习过程，我个人的理解是，选取样本（X，Y）之后，X是输入，Y是输出，对神经网络进行训练，改变网络内部的权值、阈值等参数，使最后的输出结果，接进期望的值。训练完成后，若输入新的值，就能得出正确的结果吗？神经网络内部这么复杂，又不是几个单一的函数，怎么验证它计算的结果就是正确的？它被训练后，能仿制出样本的输入输出值，不代表它就能计算出未知的值啊？
不太理解，望高手指教！ 展开
不太理解，望高手指教！ 展开
2个回答
展开全部
神经网络给出的结果只能是带一定误差的结果，误差的大小取决于学习的次数、学习的样本数以及样本之间的偏差（标准差）。
多次学习之后，神经网络就能够算出未知的值了，否则学习就没有意义了。
例如图像识别，只要你让神经网络学习了模式之后，他自然会对于给定的输入（图像）来进行输出（模式匹配结果）如果不具备这个功能，那么你建立的网络就不是神经网络了。说明网络构建出插错了。
多次学习之后，神经网络就能够算出未知的值了，否则学习就没有意义了。
例如图像识别，只要你让神经网络学习了模式之后，他自然会对于给定的输入（图像）来进行输出（模式匹配结果）如果不具备这个功能，那么你建立的网络就不是神经网络了。说明网络构建出插错了。
本回答被提问者采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
推荐律师服务：
若未解决您的问题，请您详细描述您的问题，通过百度律临进行免费专业咨询
