神經網絡epoch是數量增加的意思。
當壹個完整的數據集通過了神經網絡壹次並且返回了壹次，這個過程稱為壹個?epoch。然而，當壹個?epoch?對於計算機而言太龐大的時候，就需要把它分成多個小塊。
在神經網絡中傳遞完整的數據集壹次是不夠的，而且我們需要將完整的數據集在同樣的神經網絡中傳遞多次。但是請記住，我們使用的是有限的數據集，並且我們使用壹個叠代過程即梯度下降，優化學習過程和圖示。因此僅僅更新權重壹次或者說使用壹個?epoch?是不夠的。隨著?epoch?數量增加，神經網絡中的權重的更新次數也增加，曲線從欠擬合變得過擬合。
神經網絡工作原理：
人工神經網絡首先要以壹定的學習準則進行學習，然後才能工作。現以人工神經網絡對於寫“A”“B”兩個字母的識別為例進行說明，規定當“A”輸入網絡時，應該輸出“1”，而當輸入為“B”時，輸出為“0”。所以網絡學習的準則應該是：如果網絡做出錯誤的判決，則通過網絡的學習，應使得網絡減少下次犯同樣錯誤的可能性。
網絡將輸入模式加權求和、與門限比較、再進行非線性運算，得到網絡的輸出。在此情況下，網絡輸出為“1”和“0”的概率各為50%，也就是說是完全隨機的。這時如果輸出為“1”（結果正確），則使連接權值增大，以便使網絡再次遇到“A”模式輸入時，仍然能做出正確的判斷。