【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

杭可科技取得锂电池充放机构相关... 6月13日消息，国家知识产权局信息显示，浙江杭可科技股份有限公司申请一项名为“一种可换型的锂电池充放...
固德威申请光伏曲线扫描相关专利... 6月13日消息，国家知识产权局信息显示，固德威技术股份有限公司申请一项名为“一种光伏电流电压曲线扫描...
天能股份申请铅蓄电池铅膏相关专... 6月13日消息，国家知识产权局信息显示，天能电池集团股份有限公司申请一项名为“一种铅蓄电池正极铅膏及...
上海电气风电申请风电混塔管片相... 6月13日消息，国家知识产权局信息显示，上海电气风电集团股份有限公司申请一项名为“风电混塔管片制造厂...
上海电气风电申请模块化吊机相关... 6月13日消息，国家知识产权局信息显示，上海电气风电集团股份有限公司申请一项名为“模块化自组装吊机及...