分類錯誤「類神經網路」該怎麼辦？——權重的調整

類神經網路如何調整權重？——類神經網路的誤差

典型的類神經網路是分層的結構，網路中的類神經元排列在這些分層中。

那麼，類神經網路該如何學習？如何調整權重呢？類神經網路會與資料連接，

而這些連接資料的類神經元就是輸入/輸出層，類神經網路會依照資料來調整權重，

調整各個神經元的輸入/輸出行為來與資料適配，使它的行為與資料一致。

在第二章節中，我們認識到「數字手寫辨識」和「貓狗辨識」的案例，

就是將「圖片」連接到類神經網路的輸入層，以及將「類別」連接到類神經網路的輸出層，

如此一來，類神經網路就會依照資料來調整權重，學習到如何分類這些圖片。

要完整了解到類神經網路如何「自動」調整權重，首先我們要先了解到「期望輸出」，

以及「誤差」的概念，以下我們透過實際操作來深入了解吧。

(試著在方格中輸入數字，並按下計算)

在剛剛的觀察中，你認為誤差是如何計算出來的？