我对神经网络还比较陌生，所以当我在数据中发现这个趋势时，我非常感兴趣。我有一个使用反向传播且无动量的多层感知器网络。学习率为0.02，训练中允许的最小误差边缘为0.01。网络需要学习如何正确地对两个布尔值（其值为1或0）执行异或操作。为了应对异或问题没有线性可分性的情况，网络中加入了有偏置的神经元（我不确定我是否正确地表达了这一点）。网络中的神经元使用Sigmoid传输函数。我想知道为什么图表会以这种趋势增长。再次随机化网络的权重并重新训练后，图表总是显示成这样。这是为什么呢？

回答：

对我来说，这看起来是正确的，或许你只是误读了图表。x轴上是你所进行的迭代次数。为了简化，可以将其视为时间轴。y轴是你网络的误差（误差越低越好）。所以随着训练时间的推进，你的网络产生的结果越来越好（误差越来越低）。