什么是神经网络共识算法？

2025-03-10 13:29:44

推荐回答（2个）

回答1：

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。

回答2：

Seele元一综合当前主流共识算法的优缺点，提出了全新基于“微实数”异步排序技术（ϵ-differential agreement, EDA），将共识问题转化为对异步系统中大规模并发请求的处理以及在此环境下数据排序问题。它将共识过程的离散型投票变更为连续型投票，针对不同使用环境实现效率参数可调节，并具有节能降耗、低传输开销和兼容多种网络等优势。神经网络共识算法的线性拓展性使其在100K节点的网络环境下，TPS达到了10W，并首次将交易的确认延迟提升到秒级。