神经网络训练之后的泛化能力是指网络对训练样本之外的新鲜数据的适应度，也称为神经网络的举一反三的能力。
对
举一反三
- 对于神经网络隐层神经元的数量，如果数量太少会导致网络拟合能力不足，数量太多会导致网络训练速度慢，并且网络的泛化能力可能弱。
- 神经网络进行训练中:(多选) A: 主要目的是为了让泛化能力更强 B: 训练误差总是越小越好，不用管泛化能力 C: 训练样本的质量和数量影响泛化能力 D: 训练中经常出现过拟合现象
- 中国大学MOOC: 在放电识别方面，选取合适的训练样本集对提高网络的识别能力十分重要。一定要合理挑选样本，以使训练样本能涵盖全部样本的变化范围，这样经训练的神经网络可以达到较高的_______。
- 以下关于BP神经网络泛化能力描述正确的是 ( ) A: 描述神经网络计算响应实时性的参数 B: 表示神经网络激活函数性能的参数 C: 用于描述神经网络对训练样本数据之外的其他数据的适应能力 D: 用于描述神经网络在训练样本上的测试性能
- BP神经网络的训练阶段是指输入样本对网络的连接权进行调整，以使该网络实现给定样本的输入输出映射关系。
内容
- 0
按误差反向传播训练的多层前馈网络称为？ A: 人工神经网络 B: BP神经网络 C: 深度信念网络 D: 卷积神经网络
- 1
神经网络的泛化能力就是指对样本数据的拟合和逼近效果。
- 2
BP神经网络的训练阶段是指输入样本对网络的连接权进行调整，以使该网络实现给定样本的输入输出映射关系。 A: 正确 B: 错误
- 3
神经网络由大量连接的神经处理单元组成，具有高度的非线性映射能力和自学习能力，能够从样本数据中进行学习和泛化。
- 4
神经网络过拟合是指，网络在训练集合上不能获得足够低的训练误差