假設1：完全相同的兩個對象無法被分成兩類，與之對應的分類迭代次數為無窮大。

推論：相等收斂誤差下迭代次數越大表明二者差異越小。

如果完全相同的兩個對象可以被分成兩類，則表明這不是完全相同的兩個對象，這與前提矛盾。因此假設1是可以從邏輯上用反證法去證明的。由假設一得到的推論是自然的，在邏輯上也是合理的，推論1 表明在收斂誤差相同的前提下，神經網絡的迭代次數與兩個分類對象的差異成反比。也就是與差異的倒數成正比

其中n為迭代次數，d1和d2是兩個被分類對象的內在特征差異，他們的乘積構成了兩個分類對象的總的差異。

大量實驗表明，在分類對象不變的前提下，收斂誤差δ越小，收斂迭代次數越大。也就是迭代次數與收斂誤差成反比

因此迭代次數與兩個分類對象的差異的倒數成正比，與收斂誤差成反比，所以可以得到，

其中的c是系數

如果設

則可以化簡得到

神經網絡的迭代次數與分類對象的差異的倒數成正比，與收斂誤差成反比。

總結

以上是生活随笔為你收集整理的决定神经网络迭代次数的两个因素的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。