LLC

网络参数确定原则：①、网络节点  网络输入层神经元节点数就是系统的特征因子(自变量)个数，输出层神经元节点数就是系统目标个数。隐层节点选按经验选取，一般设为输入层节点数的75%。如果输入层有7个节点，输出层1个节点，那么隐含层可暂设为5个节点，即构成一个7-5-1 BP神经网络模型。在系统训练时，实际还要对不同的隐层节点数4、5、6个分别进行比较，最后确定出最合理的网络结构。②、初始权值的

BP网络的四个学习过程：（δ规则）1.模式顺传播 ，输入模式由输入层经中间层向输出层的“模式顺传播”过程2.误差逆传播 ，网络的希望输出与网络实际输出之差的误差信号由输出层经中间层向输入层逐层修正连接权的“误差逆传播”过程3.记忆训练 ，由“模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练”过程4.学习收敛 ，网络趋向收敛即网络的全局误差趋向极小值

BP网络主要用于：1.函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近一个函数2.模式识别：用一个特定的输出矢量将它与输入矢量联系起来3.分类：把输入矢量以所定义的合适方式进行分类4.数据压缩：减少输出矢量维数以便于传输或者存储

点击打开链接

https://gx.ct10000.com/

来自斯坦福的这个研究团队随后指出  "任何可辨识率超过 1% 的验证码系统都不应该被继续使用下去。"