神经网络过拟合的现象是什么 发生原因 过拟合现象一般都是因为学习的过于精确，就好比让机器学习人脸，取了100个人的脸训练，但是由于你学习的过精确，导致除了这个样本100人外 其他的人脸神经网络都认为不是人脸，实际我们只需要学习人脸的基本特征 而不是详细到人的皮肤细腻 眼睛大小等过于细致的特征，这样可以保证机器还是能识别别的图片中的人脸的
用BP神经网络做数据拟合回归，每次运行结果都不一致，望高人指点，谢了 大哥你这个目标要求的也太高了吧，要1e-12！1e-5，1e-6就行了。而且就训练100次由什么用，BP的话起码要3000到5000次训练，复杂问题要10000次左右，再说BP网络存在“殊途同归”的问题，所以每次不太一样也是正常的，只要测试误差满足要求就行了
BP神经网络要拟合一个函数但是X1，X2的取值范围是一样的应该怎么区分？ 既然有两个自变量，就有两个输入节点，将两个自变量组成输入向量，再归一化。P(1，：)=-10：0.1：10；P(2，：)=P(1，：)；[pn，ps]=mapminmax(P，[0，1])；将x1和x2都归一化最后将结果再反归一化即可。BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。
神经网络为什么可以（理论上）拟合任何函数？ 神经网络可以拟合任何函数的理论是如何证明的？需要多少层隐层，每一层需要多少神经元？
用matlab对神经网络进行拟合，为什么每次结果都不一样 神经网络和其他的智能算法一样，都是有随机性的！在产生初始解的时候都是随机产生的！
神经网络为什么可以（理论上）拟合任何函数？ (转自简书)在开始之前，我们先来看一下维基给出的万能近似定理(Universal approximation theorem)定…
