Question

在做BP神经网络的MATLAB仿真时，出现了下面三幅图，谁能给我解释一下这三个图的作用？多谢啦

Answer 1

图呢？？？？？？？？？？？？？

Answer 2

楼主你好，图片呢？！

追问

不好意思。。。

追答

我还是大概给你解释下，小弟才疏学浅，献丑了
Gradient为梯度下降法的函数
Validation Checks
在训练时，用training训练，每训练一次，系统自动会将validation set中的样本数据输入神经网络进行验证，在validation set输入后会得出一个误差（不是网络的训练误差，而是验证样本数据输入后得到的输出误差，可能是均方误差），而此前对validation set会设置一个步数，比如默认是6echo，则系统判断这个误差是否在连续6次检验后不下降，如果不下降或者甚至上升，说明training set训练的误差已经不再减小，没有更好的效果了，这时再训练就没必要了，就停止训练，不然可能陷入过学习。
Learn Rate 学习率（默认是0.01）
学习速率的选取很重要，大了可能导致系统不稳定，小了会导致训练周期过长、收敛慢，达不到要求的误差。一般倾向于选取较小的学习速率以保持系统稳定，通过观察误差下降曲线来判断。下降较快说明学习率比较合适，若有较大振荡则说明学习率偏大。同时，由于网络规模大小的不同，学习率选择应当针对其进行调整

追问

大神呢！！！能告诉我怎么从上面三幅图中看出这个系统比较好呢？像这个是收敛越快越好吗？

追答

不要那么称呼我，首先先看你训练目标，若是越小，训练的精度就越小。问题是你的训练函数，当然迭代次数越少，很快就拟合了，满足条件了，可是这个训练模型不稳定，你可以试试！
我记得没错的话，其实，上面三个图是一体的。如果你的网络是用来做预测的，那么，最好的结果是缩小误差！

Answer 3

激活函数？？sigmoid??

Answer 4

图呢？？？

Answer 5

没看到你的三幅图，请补充下。