计算误差神经网络

Question

最近我一直在为我的研究实施神经网络。在尝试设计神经网络的错误时，我对几件事感到困惑，因为我发现了几种计算均方误差的方法：

1. 全局错误=西格玛（（Tik-Yik）^ 2） 其中i =输出神经元的数量，k =训练数据的数量 RMS = sqrt（全局误差/ i + k）

2. 全局错误=西格玛（（Tik-Yik）^ 2） 其中i =输出神经元的数量，k =训练数据的数量 平均误差=西格玛（（Tik-mean（Tik））^ 2） 其中i =输出神经元的数量，k = trainingdata的数量 RMS =全局错误/平均错误

我对这两个人感到困惑，有人可以向我解释哪一个是正确的吗？或者两者都是真的？

Answer 1

假设这些是您所指的等式：

http://i41.tinypic.com/spvyf7.png

如果是这样，RMS ₁ 值看起来像一个有效的RMS表达式，而RMS ₂ 只是一个小数表达式，而不是RMS表达式。

只是一件事：看起来您的RMS ₁ 也包含错误/拼写错误：sqrt（）内容的分母应该只是“k”，而不是“i + k” ”。我认为你应该简单地除以训练集大小，而不是在那里包括神经元计数。

如果您还引用了这些方程式的参考文献，那将非常有用。