【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

东莞证券北交所基金观察（260... 美东时间6月5日，美国劳工部统计局（BLS）发布 5 月非农就业报告新增非农就业人数为17.2 万，...
海思科股价涨3.05%，工银瑞... 6月10日，海思科涨3.05%，截至发稿，报48.70元/股，成交1.09亿元，换手率0.42%，总...
海思科股价涨3.05%，中信建... 6月10日，海思科涨3.05%，截至发稿，报48.70元/股，成交1.10亿元，换手率0.43%，总...
开发科技股价跌3.29%，创金... 6月10日，开发科技跌3.29%，截至发稿，报39.68元/股，成交1783.62万元，换手率0.2...
江丰电子股价涨3.27%，创金... 6月10日，江丰电子涨3.27%，截至发稿，报232.23元/股，成交26.78亿元，换手率5.35...