神经网络训练过程就是输入数据计算出预测值，在输出端利用损失函数计算预测值与真实值之间的差距，按照差距最小化的要求调整网络权重，找到一组参数使得________取得极小值。
举一反三
- 当神经网络输出的计算结果与样本数据真实值不符时，需要对衡量两者之间差距的损失函数进行________计算，计算出________，据此更新权重。
- 根据______步骤可完成一轮神经网络的训练。①设置模型参数初始值②将预测值与标签值比较，计算损失③正向计算神经网络的预测值④根据梯度下降法逐层反向更新网络模型参数⑤采用误差反向传播算法计算梯度信息 A: ①②③④⑤ B: ①③②⑤④ C: ①③②④⑤ D: ①②③⑤④
- 要能控制神经网络的输出就需要获得神经网络模型的损失值，这个值一般使用损失函数来进行求取，它是（）[br][/br]之间的距离。 A: 预测值与真实目标值 B: 输入层表示与输出层表示 C: 输入层权重与输出层权重 D: 任意两层权重
- 梯度下降算法的正确步骤是什么? A: 计算预测值和真实值之间的误差 B: 重复迭代，直至得到网络权重的最佳值 C: 把输入传入网络，得到输出值 D: 用随机值初始化权重和偏差 E: 对每一个产生误差的神经元，调整相应的（权重）值以减小误差
- 神经网络预测时，输出层只要输出预测值就可以了，不用计算损失函数。