Neural network 神经网络均方误差

当使用均方误差计算误差时，实际计算应该在特定数据集中的每个历元或每个模式之后进行吗

---

谢谢John。

您应该在每个历元后计算MSE，但使用历元中每个模式的所有错误。

您应该在每个历元后计算MSE，但使用历元中每个模式的所有错误。

这取决于数据集的最大成员。您需要首先找到数据集中最大成员的平方误差之和等于零。然后求出最大成员的平方误差之和除以N的均方误差。

这取决于数据集中的最大成员。您需要首先找到数据集中最大成员的平方误差之和等于零。然后找到均方误差，即最大成员的平方误差之和除以N。

是，但每个模式的输出节点误差的平均值。平均值是多少？，因此5个输出节点计算所有模式的误差（（目标要求）^2）/每个历元后5个，然后在每个历元后累积每个误差以得出全局误差？是的，但每个图案的输出节点误差的平均值。平均值是多少？因此，5个输出节点在每个历元后通过（（目标要求）^2）/5计算所有的误差，然后在每个历元后累积每个误差以得出全局误差？您使用MSE的目的是什么？反向传播？是的，我使用MSE进行反向传播。我知道在实践中，通常在每个历元之后进行误差计算，但我不确定这是否纯粹是出于性能原因，或者这是否有助于防止过度拟合。所以我感兴趣的是为什么你应该计算每个小批量的损失，最小化小批量损失的平均值。如何在不计算误差的情况下反向传播？本质上，我是在数据集中前馈一个模式，然后在该模式之后，我使用sigmoid函数的导数传播输出层和网络的其余部分，然后更新权重，最后移动到下一个历元。你使用MSE做什么？反向传播？是的，我使用MSE进行反向传播。我知道在实践中，通常在每个历元之后进行误差计算，但我不确定这是否纯粹是出于性能原因，或者这是否有助于防止过度拟合。所以我感兴趣的是为什么你应该计算每个小批量的损失，最小化小批量损失的平均值。如何在不计算误差的情况下反向传播？本质上，我是在数据集中前馈一个模式，然后在该模式之后，我使用sigmoid函数的导数传播输出层和网络的其余部分，然后更新权重，最后进入下一个历元。