【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

中钨高新：7月8日获融资买入3... 7月8日，中钨高新跌3.76%，成交额46.06亿元。两融数据显示，当日中钨高新获融资买入额3.32...
山推股份：7月8日获融资买入1... 7月8日，山推股份跌2.99%，成交额2.01亿元。两融数据显示，当日山推股份获融资买入额1115....
中国船舶2025年参保人数26... 7月9日消息，据天眼查数据显示，中国船舶工业股份有限公司2025年参保人数为26人，较2024年披露...
7月8日红利低波ETF永赢(5... 数据显示，7月8日，红利低波ETF永赢(563690)遭净赎回192.59万元，位居当日股票ETF净...
7月8日华安创业板人工智能ET... 数据显示，7月8日，华安创业板人工智能ETF(159279)遭净赎回943.49万元，位居当日股票E...