可以看到，在经由 30 轮的迭代后，辨认手写神经收集的精确度在 95% 阁下，当然，设置不合的迭代次数，进修率以取样数对精度都邑有影响，若何调参也是一门技巧活，这个坑就后期再填吧。

总结

神经收集的长处：

收集本质上实现了一个大年夜输入到输出的映射功能，而数学理论已证实它具有实现任何复杂非线性映射的功能。这使得它特别合适于求解内部机制复杂的问题。

收集能经由过程进修带精确谜底的实例集主动提取“合理的”求解规矩，即具有自进修才能。

神经收集的缺点：

对初始权重异常敏感，极易收敛于局部极小。

应用激活函数的原因是因为线性模型（无法处理线性弗成分的情况）的表达才能不敷，所以这里平日须要参加 Sigmoid 函数来参加非线性身分获得神经元的输出值。

轻易 Over Fitting 和 Over Training。

若何选择隐蔽层数和神经元个数没有一个科学的指导流程，有时刻感到就是靠猜。

常见的有图像分类，主动驾驶，天然说话处赖寥。

TODO

[1] 周志华 机械进修

[2] 斯坦福大年夜学机械进修在线课程

[3] Parallel Distributed Processing (1986, by David E. Rumelhart, James L. McClelland), Chapter 8 Learning Internal Representations by Error Propagation

[4] How the backpropagation algorithm works

[5] Backpropagation Algorithm

[6] 链式求导轨则，台湾中华科技大年夜学数位课程，Youtube 视频，须要翻墙，趁便安利一下他们的数学相干的视频，因为做的都异常浅近易懂

收集具有必定的推广、概括才能。

本文转自雷锋网，如需转载请至雷锋网官网申请授权，本文作者曾梓华。

　　推荐阅读

　　大数据环境下该如何优雅地设计数据分层

发个牢骚，搞大年夜数据的也得扶植数据仓库吧。并且不管是传统行业照样如今的互联网公司，都须要对数据仓库有必定的看重，而不是谈一句本身是搞大年夜数据的就很厉害了。数据仓库更多代表>>>详细阅读

本文标题：一文详解神经网络 BP 算法原理及 Python 实现

地址：http://www.17bianji.com/lsqh/36072.html

 1/2    1