定义
给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据。
判断方法
一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少。
应用
伪随机序列在保密通信、扩频通信、密码学等领域具有重要作用。本文结合神经网络和混沌映射的特点，提出了一种基于过拟合BP神经网络的混沌伪随机序列产生方法。以logistic映射和Henon映射为例，测试结果表明，该方法能克服有限精度效应对混沌系统的影响，改善混沌伪随机序列的性能，为获得高性能的伪随机序列提供了一种新的思路。
