神經網絡的BP算法？是的，所有的樣品都要計數。根據排序結果提取樣本，代入BP算法進行權值調整。還有一些算法是隨機的。每個樣本的順序是不同的，但所有樣本仍然需要參與。唯一可能的區(qū)別是，在標準的BP算法中

神經網絡的BP算法？

是的，所有的樣品都要計數。根據排序結果提取樣本，代入BP算法進行權值調整。還有一些算法是隨機的。每個樣本的順序是不同的，但所有樣本仍然需要參與。唯一可能的區(qū)別是，在標準的BP算法中，每個輸入樣本必須返回誤差并調整權重。這種對每個樣本進行輪換訓練的方法稱為“單樣本訓練”。由于單樣本訓練遵循“部門主義”的原則，只對每個樣本產生的誤差進行調整，難免顧此失彼，增加了訓練次數，導致收斂速度慢。因此，有另一種方法，即在輸入所有樣本后計算網絡的總誤差，然后根據總誤差調整權值。這種累積誤差的批處理方法稱為“批訓練”或“周期訓練”。當樣本數較大時，分批訓練的收斂速度比單樣本訓練的收斂速度快。