BP神经网络学习算法主要解决了多层网络中隐单元连接权重的学习问题。
举一反三
- BP神经网络解决了多层神经网络的学习问题，极大促进了神经网络的发展
- BP神经网络是一种按照误差逆转传播算法训练的多层前馈网络，学习算法是（）
- 关于BP神经网络，描述不正确的是（ ） A: BP神经网络中，层与层的连接是双向的，信息的传播是单向的 B: BP神经网络是多层前向（前馈）网络 C: BP学习算法中，误差信息是反向传播的，即从第一个隐层到输出层逐层修改各层神经元的连接权值，从而使网络误差最小。 D: 是否存在一个BP神经网络能够逼近给定的样本或者函数是解决BP神经网络学习问题的关键问题之一。
- 下面（ ）选项是BP神经网络的缺点。 A: 学习过程收敛过快; 得到的网络性能差; BP算法不完备,网络学习率不稳定。 B: 学习过程不收敛慢; 得到的网络性能差; BP算法不完备,网络学习率稳定性差。 C: 学习过程收敛速度慢; 网络性能差; 不能解决回归问题，,网络学习率不稳定。 D: 数据容易过拟合 得到的网络性能差; BP算法不完备,网络学习率稳定性差。
- 下列关于BP网络说法正确的有() A: BP网络是一种后馈网络 B: 传统的BP网络一般都选用二级网络 C: 基本BP算法包括信号的前向传播和误差的反向传播两个过程 D: BP神经网络学习算法最核心的三部分是权值调整、输出层连接权调整、隐层连接权调整