文章标题

1.help nndatasets //neural network data sets
2. If even more accurate results were
required, you could try any of these approaches:
• Reset the initial network weights and biases to new values with init and train
again (see “Initializing Weights” (init)).
• Increase the number of hidden neurons.
• Increase the number of training vectors.
• Increase the number of input values, if more relevant information is available
Try a different training algorithm (see “Training Algorithms”).
3.数据被自动分成training set、validation set 及test set 三部分，training set是训练样本数据，validation set是验证样本数据，test set是测试样本数据，这样这三个数据集是没有重叠的。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。
4.About Overfitting
关于过度拟合的链接