34、神经网络与数据处理全解析

神经网络与数据处理全解析

1. 神经网络训练参数与操作

在神经网络训练中，有几个关键参数需要了解：
- b ：若需要对话框窗口显示学习率及其误差，b 设为 1（Java 中的 true）。Y 轴误差越小，学习成功的几率越高，且要确保误差值不随迭代次数变化。若 b 为 Java 的 false（Jython 中为“0”），则无法监控学习率和误差。
- max ：学习的最大迭代次数。只有当每次迭代的误差大于 errEpoch 时，学习才会持续到达到 max 值。若达到最大迭代次数，意味着训练未成功。
- learnRate ：权重矩阵基于学习进行调整的速率，通常在 0.1 到 0.2 之间。
- mom ：前一次迭代的训练增量对当前迭代的影响，通常设为 0.1 - 0.4。
- err ：训练的“迭代”误差，当达到该误差时学习停止。若在学习过程中未达到指定误差，程序在达到“max”次事件后停止学习。

训练完成后，可以使用 net.save() 方法保存网络，使用 net.read() 方法恢复网络。示例代码如下：

# 保存网络
net.save('test.eg', 'trainedNN', 'My trained NN')
# 恢复网络
net.read('test.eg', 'trainedNN')