决定神经网络迭代次数的两个因素

假设1：完全相同的两个对象无法被分成两类，与之对应的分类迭代次数为无穷大。

推论：相等收敛误差下迭代次数越大表明二者差异越小。

如果完全相同的两个对象可以被分成两类，则表明这不是完全相同的两个对象，这与前提矛盾。因此假设1是可以从逻辑上用反证法去证明的。由假设一得到的推论是自然的，在逻辑上也是合理的，推论1 表明在收敛误差相同的前提下，神经网络的迭代次数与两个分类对象的差异成反比。也就是与差异的倒数成正比

其中n为迭代次数，d1和d2是两个被分类对象的内在特征差异，他们的乘积构成了两个分类对象的总的差异。

大量实验表明，在分类对象不变的前提下，收敛误差δ越小，收敛迭代次数越大。也就是迭代次数与收敛误差成反比

因此迭代次数与两个分类对象的差异的倒数成正比，与收敛误差成反比，所以可以得到，

其中的c是系数

如果设

则可以化简得到

神经网络的迭代次数与分类对象的差异的倒数成正比，与收敛误差成反比。