Neural network 计算误差神经网络

最近我一直在为我的研究实现神经网络。在尝试设计神经网络的误差时，我对一些事情感到困惑，因为我发现了几种计算均方误差的方法：

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

全局误差=标准差（（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=标准差（（Tik平均值（Tik））^2） 其中i=输出神经元的数量，k=训练数据的数量 RMS=全局误差/平均误差

---

我对这两个感到困惑，有人能告诉我哪一个是正确的吗？或者两者都是真的？

假设这些是您所指的方程式：

如果是，RMS1值看起来像一个有效的RMS表达式，而RMS2只是一个分数表达式，根本不是RMS表达式

不过有一件事：看起来您的RMS1还包含错误/输入错误：sqrt（）内容的分母应该是简单的“k”，而不是“i+k”。我认为你应该简单地除以训练集的大小，而不包括神经元的数量

---

如果您还引用了这些方程式的参考资料，这将非常有用。

您可能需要链接到这些方程式的来源。