神经网络训练之后的泛化能力是指网络对训练样本之外的新鲜数据的适应度，也称为神经网络的举一反三的能力。

神经网络对噪音数据具有高承受能力，并能对未经过训练的数据具有分类能力，但其需要很长的训练时间，因而对于有足够长训练时间的应用更合适。()

此题为判断题(对，错)。

()是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。

A、神经网络训练过程是拟合训练数据模式的过程

B、神经网络训练后很容易得到分类的规则

C、神经网络可用于分类和聚类

D、神经网络模型的分类能力比决策树好

A、网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡。

B、学习率过大更容易导致训练陷入局部极小值。

C、学习率可以随着训练误差动态调整效果更好。

D、学习率可以与其他网络参数一起训练，对降低代价函数是有利的。

人工神经网络训练的目的就是使得损失函数最小化。()