Oracle分区表改造（三）：通过分区交换和分裂改造为分区表

神经网络是一种能适应新环境的系统，它针对过去经验(信息)的重覆学习，而具有分析、预测、推理、分类等能力，是当今能够仿效人类大脑去解决复杂问题的系统，比起常规的系统(使用统计方法、模式识别、分类、线性或非线性方法)而言，以神经网络为基础的系统具有更强大的功能和分析问题技巧，可以用来解决信号处理、仿真预测、分析决策等复杂的问题。例如：卫星轨道的计算、大型水坝的计算、24小时天气预报的计算等，过去人工计算需要几年、几十年，而现在用计算机只需几天甚至几分钟就可完成。这些是您掌握市场上最被炒作的两项技能的库。

本文通过电子表格展示如何基于具体数据计算神经网络的输出值和如何根据BP算法计算损失函数对每个参数的梯度，实现网络训练功能。

BP神经网络是一种多层前馈网络，可以进行学习和存储输入输出映射关系，不需要建立数学方程式。能通过对输入的样本数据的学习训练,获得隐藏在数据内部的规律，并利用学习到的规律来预测未来的数据。 p=[20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13 39.99 41.93 44.59 47.30 52.89 55.7...

第一版本可以看第二版本与1.0不一样的地方是使用了Dataset进行预处理数据，使用起来更加方便，同时使用了SummaryWriter保存准确率数据。其中SummaryWriter使用方法看：我将以鸢尾花数据集作为例子进行展示：可以看到鸢尾花数据集有四个特征，分别是0，1,2，3，label是鸢尾花种类，共三种，分别以0,1，2表示。

1.矩阵A第一列的转置矩阵。(x,y)表示二维矩阵第x行第y列位置的元素，x为:则表示所有的行。因此，A(:,1)就表示A的第1列的所有元素，这是一个列向量。

本文将《深度学习的数学》（https://www.ituring.com.cn/book/2593）第三章实例——用EXCEL体验神经网络，用phthon 来实现，构建一个3层的神经网络，可以实现对4*3像素的图像读取的手写数字0、1的预测。代价函数是Sigmoid函数。

本文介绍了运用计量统计软件Spyder(3.2.6 MAC-Python是版本3.6)建立BP神经网络模型的方法。Spyder是一款出色的Python语言编辑器，界面类似Matlab。主要运用的方程是MLPClassifier整理数据在Excel中将变量按列整理好，其中1至13列为输入变量，第14列为输出变量，即输入层包含13个神经元，输出层又一个神经元。另外设定一个隐含层，包括20个神经元每个神...

逆向传播时，将输出误差按某种子形式，通过隐层向输出层返回，并分摊给隐层的节点与输入层节点，获得各层单元的参考误差，作为修改各单元权值的依据。输入样本数据，网络正向传播，得到中间层与输出层的值，比较输出层的值与教师信号的误差，用误差函数判断误差是否小于误差上限。算法开始时，给定学习次数上限，初始化学习次数为0，对权值和阙值赋予小的随机数，一般在[-1,1]。BP算法的学习过程由：信号的正向传播及误差的逆向传播组成。若输出层节点未能得到期望的输出，则转入误差的逆向传播。