知识卡片
BP学习传递输出与误差
BP训练先前向计算输出,再将误差反向传递以调整参数,常结合梯度下降。它是一种学习机制,效果依赖数据、损失和优化条件。采用BP并不能自动保证鲁棒或可信,也不消除新分布下的误差。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能安全标准与风险评估预警 权重、预警与不确定推理 · 查看原书依据
信号的前向传播和误差的反向传播。另外,BP神经网络在处理大量数据时具有很强的鲁棒性、容错性和数据处理能力,在处理随机性、非线性和多输入输出模型方面表现出色。 评价方法因评价目标的不同而异。一般而言,定性评价大多采用问卷、检查表、观察、访谈等
参考来源
- 位置:《人工智能安全》人工智能安全标准与风险评估预警,权重、预警与不确定推理(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0011.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。
- 原始内容:信号的前向传播和误差的反向传播。另外,BP神经网络在处理大量数据时具有很强的鲁棒性、容错性和数据处理能力,在处理随机性、非线性和多输入输出模型方面表现出色。 评价方法因评价目标的不同而异。一般而言,定性评价大多采用问卷、检查表、观察、访谈等