【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

金帝股份跌0.69%，成交额3... 12月2日，金帝股份跌0.69%，成交额3212.79万元，换手率1.85%，总市值53.62亿元。...
泰鸿万立跌0.76%，成交额1... 12月2日，泰鸿万立跌0.76%，成交额1773.07万元，换手率1.20%，总市值66.89亿元。...
新相微跌0.94%，成交额1.... 12月2日，新相微跌0.94%，成交额1.35亿元，换手率2.10%，总市值92.23亿元。异动分析...
美信科技涨0.31%，成交额4... 12月2日，美信科技涨0.31%，成交额4552.86万元，换手率4.12%，总市值26.47亿元。...
宏工科技跌1.77%，成交额2... 12月2日，宏工科技跌1.77%，成交额2.04亿元，换手率9.67%，总市值101.06亿元。异动...