文章目录
前言
环境配置不会请参考下面链接
环境不会配置的请点击我这里去我另外一篇博客观看怎么配置环境.
这次说一下作业要求怎么写了，那个软件怎么使用一定要仔细看有很多细节。
题目要求
1. (简答题)
一． 利用以下链接中的应用http://aispace.org/neural/index.shtml，
实现教材第7章第274页7.7.1.4反向传播（BP）网络示例，原始数据（Rpbert~Juliet）和标签（熟人、同胞）见表7.3，训练样本和测试样本划分如下（满分100）：
训练样本：
测试样本：
- 1画出网络结构（可界面截图）（20分）
- 2）记录网络超参数，包括学习率、各权值初始值、阈值函数、迭代周期上限（20分）
- 3）观测并画出收敛曲线（即学习性能或均方误差随迭代周期变化的曲线）（可界面截图）（20分）
- 4）计算网络收敛时（均方误差低于0.1）的迭代周期数、均方误差值、权值、训练精确度（20分）
- 5）分析网络表现，包括训练精确度、收敛性、稳定性。（20分）
提醒：如果达到迭代周期上限但误差仍然较大，或者收敛曲线不够平滑（实验者自行评估），则可能要调整网络结构、超参数等，然后重复1）——4），直到在迭代周期上线以内误差低于0.1且得到单调递减、趋于极限的收敛曲线
1.网络结构：
网络不会建立请参考下面链接
2.网络超参数：
网络超参数不会请参考下面链接
学习率：
权值初始值：
阈值函数：
迭代周期上限：
3.收敛曲线：
4.收敛时：
怎么训练网络请点击下面链接
迭代周期：233次
均方误差值：0.0985
权值：
训练精确度：误差不超过0.03。可以认为训练精度非常高
测试精度达百分之百
分析网络表现：
#网络表现非常的好，很好的切合了问题
训练精确度达百分之百
收敛性：收敛性很好，其收敛曲线很平滑，也单调递减趋于一个极限
稳定性：稳定性非常好，不断的训练，收敛值变化不大，均方误差越来越小，变化也不大
总结
这个是我的作业完成情况