【深度学习笔记】手动推导反向传播公式BP
创始人
2024-05-13 12:22:18

问题

现在才意识到，卷积神经网络在不同的层上的反向传播的计算公式不一样，之前一直按照全连接层的那种简单反向传播去理解了。

梯度下降的步骤

  1. 用随机值初始化权重和偏差
  2. 把输入传入网络，得到输出值
  3. 计算预测值和真实值之间的误差
  4. 反向传播求出每个神经元的梯度
  5. 根据梯度调整神经元的权值，以减少误差
  6. 重复迭代，直至得到网络权重的最佳值

全连接层反向传播

在数据表示上，将全连接神经网络的每一层神经元都表示为一个列向量。每一层的神经元，会将上一层神经元的输出作为输入，通过乘上权重矩阵以及加上列向量形式的偏置项。得到激活前的输出值，最后通过激活函数得到该层最终激活后的输出：
z l = W l ∗ a l − 1

上一篇：实战五十六：基于机器学习的上海房价预测（完整代码+数据集）

下一篇：【MySQL Shell】9.3 创建 InnoDB ReplicaSet

相关内容

热门资讯

高仿签名骗过肉眼，司法鉴定拆解... 在日常生活和工作中，签名落款往往决定了一份合同、遗嘱等文书的法律效力。发生相关纠纷时，该如何科学甄别...
最新曲面显示器销量排行榜 适合... 讲台前的灯光映在黑板上，也映在教师们伏案修改课件、深夜剪辑微课视频、反复调试线上课堂画面的侧脸上。教...
哪款触摸显示器值得买 面向内容... 清晨通勤地铁上打开笔记本，午间会议室里快速调取PPT标注重点，傍晚居家继续处理未完成的设计稿——当代...
显示器热卖推荐榜 Adobe ... 清晨九点，城市尚未完全苏醒，而远程办公者的桌面已亮起三块屏幕——左侧代码滚动，中间视频会议持续共享，...
索尼Alpha 7C II微单...