u011701569的博客

函数拟合是人工神经网络的理论基础。基于人工神经网络的机器学习的理论基石是如下定理：多层神经网络可以拟合任何函数（这种说法不够严谨，但基本意思是这样的）。与此相关的一个定理是：多项式可以逼近任何连续函数。传统的方法是线性拟合，包括广义的线性回归方法（GLM）和高维回归方法（SVM）等。线性回归方面有个致命的缺陷，即解决不了非线性问题。最简单的非线性运算异或（XOR），即使用最复杂的线性回归方法也

下面以函数拟合为例，说明DL4J的程序结构。参考源代码： org.deeplearning4j.examples.feedforward.regression.RegressionMathFunctions1.生成数据1.1自变量//生成一维向量，共nSamples个值，范围在区间[-10, 10]中//nSamples 为样本数量，官方例子中默认1000final INDArray x