离线学习

原本这一篇是在介绍神经网络离线学习的研究结果的，不久前有人指出这里面存在的一些小问题，我重新整理了一遍，下面就是我重新整理过后的内容，如果有其他疑问的话，可以找我联系，想要学习的可以来看一下。

最近在做和FPGA神经网络有关的研究，研究有了大概的结果，设计的神经网络终于完成了离线学习，我们今天的目的就是展示神经网络的离线学习结果，所以这里对神经网络就不做过多介绍，先简单介绍一下神经网络的学习方法吧。

任何一个神经网络要实现某种功能必须先对它进行训练，让它学会他要做的事情，而学习过程实际上就是对网络权值的调整过程。学习完毕，网络连接权值也调整完毕，学习到的知识就分布记忆（存储）在网络中的各个连接权上。

神经网络的学习方法一般分为三类：有指导的学习，无指导的学习和灌输式学习。

1.有指导的学习：

有知道的学习是指在网络的学习过程中，对于网络的学习结果，即网络输出的正确性必须要有一个评价标准。这就要求在学习训练过程中，不断的为网络提供输入模式和期望输出模式对，网络将根据实际输出与期望输出的比较结果，判断差错的方向和大小，决定连接权值的调整方法，以使网络的实际输出结果接近期望输出结果。

2.无指导的学习：

无指导的学习是指在网络的学习过程中，没有来自外部的关于正确性评价的标准。这就需要在训练过程中不断的为网络提供动态输入信息，是的网络能够根据其特有的网络结构和学习规则，寻找可能存在的模式和规律，对属于同一类的模式进行自动分类，并同时根据网络的功能输出和输入信息自主的调整连接权值。

3.灌输式的学习：