大家好，今天小编关注到一个比较有意思的话题，就是关于神经网络的训练的问题，于是小编就整理了4个相关介绍神经网络的训练的解答，让我们一起看看吧。
神经网络需要多少数据？
神经网络用训练数据训练神经网络。共有2000组语音特征信号，从中随机选择1500组数据作为训练数据训练网络，500组数据作为测试网络测试网络分类能力。
神经网路构建根据系统输入输出数据特点确定神经网络的结构，由于语音特征输入信号有24维，待分类的语音信号共有四类，所以神经网络的结构维24-25-4，即输入层油24个节点，隐含层有25个节点，输出层有4个节点。
用matlab的nntool工具箱训练好的一个BP神经网络，下一步要怎么做才能进行数据输入得到相应的输出结果？
a=sim(net,x)
说实话我也菜鸟级别，你看一下最后这个函数能不能用：
其中“a”自己随便可以设的，其实就是个代表返回值
“net”换成你训练好的函数，
“x”换成你的输入矩阵
卷积神经网络训练集分几个模块？
卷积神经网络训练集分为输入层、卷积层、池化层、全连接层和输出层五个模块。
输入层接受外界的数据输入，卷积层通过卷积计算提取特征，池化层用于缩小特征图的尺寸，全连接层用于将池化后的特征转化成分类器可接受的一维向量，输出层则输出模型预测结果。这些模块相互配合完成数据传递、特征提取、分类预测等任务，从而实现模型训练和应用。
在使用BP神经网络时数据进行标准化或归一化？
入门：把数据标准化，归一化，时间序列，回归模型，相似度算法，相关性算法，各种距离，Arima算法，hotwinter指数平滑，多元回归，最小二程法曲线拟合，决策树，随机森林，kmeans聚类，knn分类，BP神经网络分类与预测，贝叶斯分类算法，SVM. 马尔可夫链，aprior算法都详细看下，能用简单数据推导出结果。
实践：用户画像中的RFM模型和Kmeans聚类。
商品组合使用的购物篮算法即apriori。推荐系统中的协同过滤算法(其实是相似度计算)。
语义分析中的分词和主题提取以及特征向量提取，词频分析与文本相似度计算。
信用欺诈模型中贝叶斯的应用(其实就是分类)。基于神经网络的销量预测或者继续指数平滑或者时间序列的短期预测。机器学习：工具使用什么tensorflow或者spark mlib或者mahout。重点要把神经网络这个算法搞清楚。多练习，多做例子，多做推导。唉，乱七八糟的，不知道自己写的是什么。
到此，以上就是小编对于神经网络的训练的问题就介绍到这了，希望介绍关于神经网络的训练的4点解答对大家有用。
