思想:
根据网络输出的答案和正确答案之间的误差,不断调整网络的参数。
假设训练一个分类网络,输入一个目标逐层向前计算后,得到该物体属于每一类的一个可能性的概率,每个神经网络的初始参数是随机赋予的,然后我们根据网络输出与正确答案之间差距,由后向前调整网络的参数。不断地输入和进行调整。
注意:
BP算法在训练数据上表现得很好,但是在新数据上却不行。因此一般将数据集划分为训练集和验证集。
思想:
根据网络输出的答案和正确答案之间的误差,不断调整网络的参数。
假设训练一个分类网络,输入一个目标逐层向前计算后,得到该物体属于每一类的一个可能性的概率,每个神经网络的初始参数是随机赋予的,然后我们根据网络输出与正确答案之间差距,由后向前调整网络的参数。不断地输入和进行调整。
注意:
BP算法在训练数据上表现得很好,但是在新数据上却不行。因此一般将数据集划分为训练集和验证集。