神经网络一般是由多层网络结构组成，每层都是有感知器组成，各层之间的连接方式多种多样，如全连接。感知器中最常用的是线性感知器，定义为：
对于一个感知器，其常用的误差定义为：
其中D是训练样例集合，是训练样例 d 的目标输出，是线性单元对训练样例 d 的输出。定为模型参数的函数。【 公式源码: E(\vec{w})=\frac{1}{2} \sum_ {d\in D}(t_{d}-o_{d})^{2} 】
神经网络一般是由多层网络结构组成，每层都是有感知器组成，各层之间的连接方式多种多样，如全连接。感知器中最常用的是线性感知器，定义为：
对于一个感知器，其常用的误差定义为：
其中D是训练样例集合，是训练样例 d 的目标输出，是线性单元对训练样例 d 的输出。定为模型参数的函数。【 公式源码: E(\vec{w})=\frac{1}{2} \sum_ {d\in D}(t_{d}-o_{d})^{2} 】
原文：https://www.cnblogs.com/ying-chease/p/8536681.html