训练样本按一定的顺序进

了一系列训练示例。数据被馈送到网络的输入期望收到正确的输出即神经网络在其结构内处理后给出的答案。将结果与参考值进行比较即正确答案。如果神经网络产生了错误的决策则需要调整连接的权重系数并重新开始该过程从而实现错误答案百分比的减少。入神经网络。对于每个答案都会计算误差并调整权重。所有这一切都会。



发生直到整卷培训材料中的错误答案达到可接受的指标值为止。这类训练有一个显着的特点错误答案的程度是通过将计划指标与实际指标进行比较来确定的。通过多次重复该过程确定成本函数即预期结果 WhatsApp 号码数据 与当前结果之间的差异。监督学习适合解决已知期望结果的问题。例如用于图像分类声音或语音识别预测近似函数。没有老师的学习过程它假设仅存在输入数据。







在没有老师的情况下训练神经网络的算法会调整权重系数使神经网络可以从与输入处的特定原理类似的数据中产生结果从而揭示这些数据之间的其他关系和模式。在学习过程中识别训练材料模型的参数特征并根据相似特征将这些模型进一步组合成组。神经网络如何工作基本信息另请阅读神经网络如何工作基本信息更多细节到达输入的数据经过神经网络处理。