Matlab entrena redes neuronales. ¿Qué significa la mejor curva en el gráfico de rendimiento? ¿Significa que se ha alcanzado la precisión mínima?

La precisión la establece usted mismo, es la línea recta horizontal. La red neuronal aquí no tiene una mejor curva, es solo un objetivo y entrenamiento. es la curva de error durante el proceso de entrenamiento, lo que significa que después de X entrenamientos, la salida del perceptrón alcanza el valor objetivo, es decir, la salida del perceptrón es consistente con el vector objetivo.

El rendimiento del índice MSE de cada generación del proceso de entrenamiento de BP, el rendimiento del índice MSE shu de cada generación del proceso de validación cruzada de BP y el proceso del índice MSE de las pruebas de BP realizado en cada generación. En particular, se debe prestar atención a la línea roja de la PRUEBA interna, que es el resultado del cálculo/entrenamiento de BP.

Información ampliada:

La red neuronal BP (Back Propagation) fue propuesta en 1986 por un grupo de científicos liderados por Rumelhart y McCelland. BP (Back Propagation) es una red de retroalimentación multicapa entrenada por el algoritmo de retropropagación de errores. Es uno de los modelos de redes neuronales más utilizados.

Las redes BP pueden aprender y almacenar una gran cantidad de relaciones de mapeo de patrones de entrada-salida sin revelar de antemano las ecuaciones matemáticas que describen estas relaciones de mapeo. La regla de aprendizaje de la red BP es utilizar el método de descenso más pronunciado y ajustar continuamente el peso y el umbral de la red mediante retropropagación para minimizar la suma de errores cuadrados de la red. La topología del modelo de red neuronal BP incluye capa de entrada, capa oculta y capa de salida.

Enciclopedia Baidu-Red neuronal BP