【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

6月24日港股通红利低波ETF... 6月24日，港股通红利低波ETF华宝（159220）涨0.00%，成交额2308.42万元。当日份额...
田村：需将利率上调至2%左右的... 日本央行政策委员会成员田村表示，需将利率提升至2%左右的中性水平。译文内容由第三方软件翻译。声明：市...
6月24日科创医药ETF华夏（... 6月24日，科创医药ETF华夏（588130）涨1.17%，成交额2439.04万元。当日份额增加6...
6月24日科创50ETF富国（... 6月24日，科创50ETF富国（588940）涨3.99%，成交额8658.76万元。当日份额减少9...
清华新林院的“红色客厅” 　　周惠斌　　清华新林院8号，是著名建筑学家梁思成、林徽因夫妇在1946年至1954年间居住的地方，...