InteractOLE

我正在建立一个分类神经网络，以便对两个不同的类进行分类。 所以这是一个二元分类问题，我正尝试用一个前馈神经网络来解决这个任务。 但是网络是不能学习的，事实上，在训练过程中，网络的精度是不变的。 具体而言，数据集由以下人员组成： 65673行22列。 其中一列是具有值(0，1)的目标类，而其他21列是预测器。数据集是这样平衡的： null 可以看到也有NaN值，但我不能删除它，因为在其他列中有值0是

神经网络和深度学习是一本免费的在线书。本书会教会你： 神经网络，一种美妙的受生物学启发的编程范式，可以让计算机从观测数据中进行学习 深度学习，一个强有力的用于神经网络学习的众多技术的集合 神经网络和深度学习目前给出了在图像识别、语音识别和自然语言处理领域中很多问题的最好解决方案。本书将会教你在神经网络和深度学习背后的众多核心概念。 想了解本书选择的观点的更多细节，请看这里。或者直接跳到第一章 开始

主要内容：本节引言：,1.OSI七层网络模型浅析,2.TCP/IP四层模型,3.TCP/UDP区别讲解,4.Java中对于网络提供的几个关键类：,本节小结：本节引言： 为了照顾没学过Java Socket的初学者，或者说捋一捋Android开发中涉及到的网络协议相关的概念， 毕竟面试的时候，面试官来了句给我说下网络协议有几层？那么IP协议在哪层？Socket是什么鬼？ 分哪几种？TCP和UDP协议又在哪层？有什么区别...嗯，这...所以学习本节概念性的理论还是很有 必要的！那么话不多说，开始本

我创建了一个神经网络，其结构如下： Input1-Input2-输入层。 N0-N1-隐藏层。每个节点3个权重（一个用于偏移）。 N2——输出层。3个砝码（一个用于偏置）。 我正在尝试使用以下测试数据对其进行XOR函数训练： 0 1-期望结果：1 1 0-期望结果：1 0 0-所需结果：0 1 1-所需结果：0 训练后，测试的均方误差（当寻找1结果时）{0,1}=0，我认为这很好。但是测试的均方误

我试图用两个感知器网络做一个异或门，但由于某种原因，网络没有学习，当我在图中绘制误差的变化时，误差达到一个静态水平，并在该区域振荡。 目前我没有给网络添加任何偏见。 这是错误随着学习轮数的变化而变化。这是正确的吗？红色线是我所期望的错误将如何改变的线。

深度神经网络的工作地点、原因和方式。从大脑中获取灵感。卷积神经网络（CNN）和循环神经网络（RNN）。真实世界中的应用。 使用深度学习，我们仍然是习得一个函数f，将输入X映射为输出Y，并使测试数据上的损失最小，就像我们之前那样。回忆一下，在 2.1 节监督学习中，我们的初始“问题陈述”： Y = f(X) + ϵ 训练：机器从带标签的训练数据习得f 测试：机器从不带标签的测试数据预测Y 真实世界很