На мой взгляд самое простое с чего нужно начинать изучать нейросети — это аппроксимация таких простых математических функций, как синус, квадратичная функция, экспонента и т.д. Согласно универсальной теореме аппроксимации — нейронная сеть с одним скрытым слоем может аппроксимировать любую непрерывную функцию многих переменных с любой точностью. Главное чтобы в этой сети было достаточное количество нейронов. И еще важно удачно подобрать начальные значения весов нейронов. Чем удачнее будут подобраны веса, тем быстрее нейронная сеть будет сходиться к исходной функции...

Средняя ошибка аппроксимации (Mean Absolute Percentage Error - MAPE) — это статистическая мера, используемая для оценки точности прогнозов или аппроксимаций. Она выражает среднюю абсолютную разницу между фактическими значениями и прогнозируемыми (или аппроксимированными) значениями в процентах. MAPE широко используется, поскольку она легко интерпретируется и выражает точность в относительных терминах, что позволяет сравнивать точность прогнозов для разных масштабов данных. Формула MAPE: MAPE = (1/n)...