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
广告 您可能关注的内容 |