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。
损失函数
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。
内容
- 0
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)迭代跟新，直到找到最佳权重(c)把输入传入网络，得到输出值(d)初始化随机权重和偏差(e)对每一个产生误差的神经元，改变相应的（权重）值以减小误差
- 1
以下关于卷积神经网络说法错误的是() A: 人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 B: 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 C: 卷积神经网络有两个基本概念：权值共享和地化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算 D: 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据
- 2
以下关于卷积神经网络说法错误的是（ ）。 A: 人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 B: 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据 C: 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 D: 卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算
- 3
（）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小? 反向传播|梯度下降|优化函数|损失函数
- 4
损失函数的作用是用来估算模型的预测值与实际值的差距的函数，是一个非负的实数值函数，值越大，反应该网络的数据拟合性能越好。（ ）