【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

三花智控申请电机执行器相关专利... 5月12日消息，国家知识产权局信息显示，浙江三花智能控制股份有限公司申请一项名为“电机及执行器”的专...
飞科电器取得双头剃须刀相关专利... 5月12日消息，国家知识产权局信息显示，上海飞科电器股份有限公司申请一项名为“双头旋转式剃须刀”的专...
三花智控取得制冷系统相关专利，... 5月12日消息，国家知识产权局信息显示，浙江三花智能控制股份有限公司申请一项名为“一种制冷系统及其电...
5月11日300质量ETF兴全... 数据显示，5月11日，300质量ETF兴全(563960)遭净赎回149.45万元，位居当日股票ET...
比依股份取得烹饪器具相关专利，... 5月12日消息，国家知识产权局信息显示，浙江比依电器股份有限公司申请一项名为“多功能烹饪器具”的专利...