1樓：59分粑粑
圖上的三個彩色實線分別是：每一代bp訓練過程的mse指標的效能，每一代bp交叉驗證過程的mse指標的效能以及bp測試的mse指標在每一代中執行的過程。 特別是，應該注意內部的test紅線，這是bp計算/訓練結果。
best虛線表示當bp網路被訓練到第八代時，bp訓練結果是最佳的。goal虛線是在程式設計或直接使用matlab的ann工具箱訓練此bp時設定的網路容量訓練停止目標（一個）。
2樓：匿名使用者
橫縱座標不用說了，圖上三條有顏色的實線分別是：bp訓練過程的mse指標在每一代中的表現，bp交叉驗證過程的mse指標在每一代中的表現，bp測試過程的mse指標在每一代中的表現。尤其你要注意那條test紅線，那是你的bp計算/訓練結果。
best虛線說明bp網路訓練到第八代的時候bp訓練結果最理想。
goal虛線是你程式設計或者直接用的matlab的ann工具箱去訓練這個bp時，設定的網路訓練停止目標（之一）。
matlab訓練神經網路，performance圖中的best曲線意思是什麼？表示達到最小精度了麼？
3樓：匿名使用者
你的精度是自己設定的，是那個水平的直線，我這裡的神經網路沒有best曲線啊！就是個goal和training兩條的
4樓：遇女d心驚
是訓練過程中的誤差曲線，表示經過x次訓練，感知器輸出達到目標值，也就是感知器的輸出已經和目標向量一致了
5樓：漫雪
goal和best是同一條線，我是這樣理解的。使用的線型是一樣的
急！急！求大神幫忙看看我的matlabbp神經網路performance輸出的問題
6樓：匿名使用者
mu是trainlm演算法中的一個引數，這個演算法會自動控制，當mu太大時訓練會自動停止。
訓練結束時因為誤差曲面的梯度gradient達到了預設值，已經進入平坦面。
之所以6次迭代就收斂，是因為你的神經網路結構有問題。你的網路輸入輸出都是單節點，可以說是一對一對映，可隱層卻有三層之多，隱層神經元數量又高達50，在樣本數量有限的情況下，很容易就能收斂。
措施：精簡網路結構；
將gradient再設小點，不過效果不大。
求助bp神經網路訓練後輸出的performance圖形問題
7樓：休閒居大偉
你的圖不大對吧？應該有三條曲線顯示才對，分別代表訓練，驗證，測試誤差，你現在只有訓練誤差的。performance is 0.
00306表示你的訓練誤差達到了0.00306，goal is 0.01表示你設定的目標誤差是0.01.
matlab做的bp神經網路，這個圖是什麼圖
8樓：匿名使用者
bp神經網路的bp是反向傳播演算法。題主給的資訊是在有限，目測是在學習階段？可能是直接拷的**，應該是神經網路的訓練圖。橫座標是訓練次數，縱座標是損失函式。
bp神經網路的matlab訓練gradient是什麼意思？performance是什麼意思？，大神能解釋一下嗎？謝謝了 5
9樓：ice傻西
gradient是梯度的意思，bp神經網路訓練的時候涉及到梯度下降法，表示為梯度下降的程度與訓練過程迭代次數（步長）的關係。performance是神經網路傳遞誤差大小的意思，表示為均方差與訓練過程迭代次數（步長）的關係。
matlab擬合的神經網路那個performance的每次都是 epoch為個位數 5
10樓：昱婷漫步
圖中曲線顯示的是均方誤差，越小，說明系統得到的輸出與作為監督的輸出值的差別越小。圖中藍色線的值最好，它是對訓練資料的擬合結果；紅色線是對測試資料，最差。訓練集效果好，測試集效果差，就稱為過擬合了。
matlab做bp神經網路的時候訓練的三個圖
11樓：匿名使用者
前者是梯度變化圖，因為採用的是梯度下降法，後者是錯誤次數，
matlab中bp神經網路訓練圖看不懂，萌新急求大神指點。
12樓：匿名使用者
問題就是測試集上表現不好，訓練集上（train）的最小均方誤差看上去收斂了，然鵝測試集上的（test）
13樓：匿名使用者
你這performance完全沒設定嗎，怎麼誤差是0呢
BP神經網路語句含義,BP神經網路語句含義
這是一段權值bai 閾值初始化 duzeros是產生元素全部是zhi0的矩陣,括號裡dao 的是維數,有各層神經元數專量決定。一般屬在matlab中,都是先定義矩陣,再在後面的 中呼叫,修改或引用其中的元素。神經網路的學習過程,即連線下層節點和上層節點之間的權重矩陣wij的設定和誤差修正過程。bp網...
bp神經網路中T,P分別代表什麼
p代表輸入，t代表輸出，一般他們都是矩陣，列數不同，但行數相同。一個輸入對應一個輸出。各代表什麼？代表體溫 代表脈搏 代表呼吸 代表血壓 t，p。r，bp是體溫，脈搏，呼吸，血壓。正常值 均以成年人計 是體溫 37.0，脈搏60 100次 分 運動員可以低於此值 呼吸16 18次 分，血壓90 13...
在神經網路中，啟用函式sigmoid和tanh除了閾值取值外
1 對於bai深度神經網路，du 中間的隱層zhi的輸出必須有一個啟用函dao數。否則多個隱專層的作用和沒屬有隱層相同。這個啟用函式不一定是sigmoid，常見的有sigmoid tanh relu等。2 對於二分類問題，輸出層是sigmoid函式。這是因為sigmoid函式可以把實數域光滑的對映到...