1. bp神經網路中合格與基本合格如何界定
你指的是分類吧。具體怎麼分類，要看訓練樣本是怎麼劃分的。可能樣本的輸出是這樣量化：合格1，基本合格0.5，不合格0.或者合格100，基本合格010，不合格001.
神經網路可以用作分類、聚類、預測等。神經網路需要有一定量的歷史數據，通過歷史數據的訓練，網路可以學習到數據中隱含的知識。在你的問題中，首先要找到某些問題的一些特徵，以及對應的評價數據，用這些數據來訓練神經網路。
2. 人工神經網路bp 結果圖怎麼分析
最好是與你實際值做一個誤差圖。。。。分析誤差大小也就是你網路的好壞
3. 如何測試BP神經網路
先找一個期望函數，比如y=1/x,那麼輸入就是x（值隨便設），理想的輸出結果就是1/x。用實際的輸出結果與理想的結果做運算，依據運算結果對隱層和輸出層的權值矩陣進行調整。然後繼續輸入樣本，得到結果在與理想結果運算，再權值調整。一直到最後，你的輸出結果就會和你的理想結果相接近了。
如果沒有期望函數，或者期望的輸入輸出關系，那麼就談不上訓練好了一個神經網路。一個網路都是對於一定的輸入輸出關系而言的，關系徹底改變，那麼網路就要重新訓練。
4. BP神經網路的核心問題是什麼其優缺點有哪些
人工神經網路,是一種旨在模仿人腦結構及其功能的信息處理系統,就是使用人工神經網路方法實現模式識別.可處理一些環境信息十分復雜,背景知識不清楚,推理規則不明確的問題,神經網路方法允許樣品有較大的缺損和畸變.神經網路的類型很多,建立神經網路模型時,根據研究對象的特點,可以考慮不同的神經網路模型. 前饋型BP網路,即誤差逆傳播神經網路是最常用,最流行的神經網路.BP網路的輸入和輸出關系可以看成是一種映射關系,即每一組輸入對應一組輸出.BP演算法是最著名的多層前向網路訓練演算法,盡管存在收斂速度慢,局部極值等缺點,但可通過各種改進措施來提高它的收斂速度,克服局部極值現象,而且具有簡單,易行,計算量小,並行性強等特點,目前仍是多層前向網路的首選演算法.
多層前向BP網路的優點：
網路實質上實現了一個從輸入到輸出的映射功能，而數學理論已證明它具有實現任何復雜非線性映射的功能。這使得它特別適合於求解內部機制復雜的問題；
網路能通過學習帶正確答案的實例集自動提取「合理的」求解規則，即具有自學習能力；
網路具有一定的推廣、概括能力。
多層前向BP網路的問題：
從數學角度看，BP演算法為一種局部搜索的優化方法，但它要解決的問題為求解復雜非線性函數的全局極值，因此，演算法很有可能陷入局部極值，使訓練失敗；
網路的逼近、推廣能力同學習樣本的典型性密切相關，而從問題中選取典型樣本實例組成訓練集是一個很困難的問題。
難以解決應用問題的實例規模和網路規模間的矛盾。這涉及到網路容量的可能性與可行性的關系問題，即學習復雜性問題；
網路結構的選擇尚無一種統一而完整的理論指導，一般只能由經驗選定。為此，有人稱神經網路的結構選擇為一種藝術。而網路的結構直接影響網路的逼近能力及推廣性質。因此，應用中如何選擇合適的網路結構是一個重要的問題；
新加入的樣本要影響已學習成功的網路，而且刻畫每個輸入樣本的特徵的數目也必須相同；
網路的預測能力（也稱泛化能力、推廣能力）與訓練能力（也稱逼近能力、學習能力）的矛盾。一般情況下，訓練能力差時，預測能力也差，並且一定程度上，隨訓練能力地提高，預測能力也提高。但這種趨勢有一個極限，當達到此極限時，隨訓練能力的提高，預測能力反而下降，即出現所謂「過擬合」現象。此時，網路學習了過多的樣本細節，而不能反映樣本內含的規律
由於BP演算法本質上為梯度下降法，而它所要優化的目標函數又非常復雜，因此，必然會出現「鋸齒形現象」，這使得BP演算法低效；
存在麻痹現象，由於優化的目標函數很復雜，它必然會在神經元輸出接近0或1的情況下，出現一些平坦區，在這些區域內，權值誤差改變很小，使訓練過程幾乎停頓；
為了使網路執行BP演算法，不能用傳統的一維搜索法求每次迭代的步長，而必須把步長的更新規則預先賦予網路，這種方法將引起演算法低效。
5. 如何判斷網路的好壞
你會登陸你們的那個路由器嗎?
要是不會的話我告訴你，先看看路由器的說明說，或者上網搜一下，你的那個型號的路由器的初始ip地址、用戶名和密碼。 然後就可以登陸進去了，
裡面會有一個WAN設置 在這里你會看見有個下行速率和上行速率 下行就是指下載，上行就是指上傳。從這里來判斷吧
6. 怎麼樣判斷一個網路質量的好壞
最簡單是ping 但是由於國內三大運營商之間競爭的問題，跨網ping實際結果就不準確，簡單來講跨網的也就是你是電信寬頻但是你ping的ip是網通的。
7. 如何判斷網路質量都有哪些要素
網路質量好壞關鍵就是帶寬和穩定性，帶寬越大穩定性越好的網路質量越好。
8. 怎麼才能檢查自己網路好壞
要明白的是這個發送和收到的位元組越多,就說明你網路上的交換數據越多.一般這個可以來判斷你的網路速度.
如果你電腦沒做什麼事,那發送會很少,接收到也少.如果你有上網,比如說下載東西,那你的發送和收到應該都會變化很快.三分種一萬個包,其實不算快.
2M的網理論下載速度可以達到256KB,注意是B,不是b.但實際情況下應該是不一定能達到的.而且下載速度跟很多方面有關,比如下載連接可用的資源數,雙方電腦配置以及網路連接等.
如果你下載任何東西都是只有50KB,那可能你的網路還真不是很好,當然可能是你的系統需要優化整理.
9. BP神經網路評價和預測有什麼不同
前者是知道測試輸出的，通過訓練好的網路模型來預測輸出，然後與真實輸出對比，來評價網路好與壞。例如對函數y=x^2在[-1:0.1:1]區間訓練，通過BP網路測試[0.4:0.2:1]輸出為a,b,c,d,真實值很顯然就是0.16,0.36,0.64,1，然後通過誤差對比來評價；後者是不知道真實輸出的，只能用預測輸出，例如對股票預測。