Während des Netztrainings nähert sich der Netzfehler asymptotisch der x-Achse (s. Abb. Übereinstimmungsfehler). Nimmt der Fehler ab einer bestimmten
Epoche (Lernschritt) wieder zu, tritt der Effekt des Netz-Overfitting auf. Ab diesem Lernschritt beginnt das Netz die Traningsdaten auswendig zu lernen und um dies zu vermeiden, muss das Training am Fehlerminimum abgebrochen werden. Ist die bis zum Fehlerminimum erreichte “Netzqualität” noch nicht hoch genug, muss die Trainingsdatenmenge erhöht, oder das Netz bezüglich der Anzahl verdeckter Neuronen minimiert werden. | 
