artificial-intelligence - 训练集神经网络的纪元和计算均方误差

Question

我的问题是关于神经网络训练。我已经对此进行了搜索，但是对此没有很好的解释。

那么对于第一个，如何计算均方误差？ (我知道这很愚蠢，但我真的不明白)

第二:
当神经网络进行训练时，我们输入了一个由许多对(输入及其期望输出)组成的训练集。现在我们应该什么时候计算均方误差？当我们已经拿走所有对时呢？还是我们为每一对计算它？

如果是针对每一对，那么在训练集内的所有对被采用之前，当误差达到最小期望误差时是有可能的。

第三:训练集循环一圈的epoch值会增加吗？或者当每对(输入和期望输出)被采用时它会增加吗？(我知道这是另一种愚蠢，但请忍受)

非常感谢您

Answer 1

y question is about Neural Network Training. I already searched about this but, there is no good explanation about it.

网络上有很多很好的解释，在文献中，一个这样的例子可能是 Haykin 的书:神经网络和学习机

So for the first one, how to calculate mean square error? (I know this is silly, but I really don't get it)

用最简单的术语来说，均方误差定义为

sum_i 1/n (desired_output(i) - model_output(i))^2

所以你只需计算 平均值 的 正方形的 错误 (您的输出与所需输出之间的差异)。

Now when should we calculate the mean square error? does it when we already take all pairs? or does we calculate it for each pair?

两种方法都用了，一种叫 批次 学习，一个是 在线 学习。所以接下来的所有问题都有答案“两者都是正确的，这取决于您使用的是批量学习还是在线学习”。选择哪一个？显然 - 这取决于，但为了简单起见，我建议从 开始批次 学习(所以你计算了 所有 训练样本的误差，然后更新)。