【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

法拉电子股价涨3.12%，工银... 6月18日，法拉电子涨3.12%，截至发稿，报175.36元/股，成交6.31亿元，换手率1.63%...
6月17日中证上海国企ETF(... 数据显示，6月17日，中证上海国企ETF(510810)获净申购108.17万元，位居当日股票ETF...
神火股份跌1.02%，成交额4... 6月18日，神火股份盘中下跌1.02%，截至10:17，报24.30元/股，成交4.15亿元，换手率...
汉宇集团涨1.08%，成交额2... 6月18日，汉宇集团盘中上涨1.08%，截至10:17，报10.25元/股，成交2910.82万元，...
6月17日广发中证全指信息技术... 数据显示，6月17日，广发中证全指信息技术ETF(159939)遭净赎回1499.46万元，位居当日...