【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

晋拓股份跌6.21%，成交额1... 7月28日，晋拓股份跌6.21%，成交额1.48亿元，换手率2.27%，总市值63.60亿元。异动分...
鸿铭股份涨5.09%，成交额2... 7月28日，鸿铭股份涨5.09%，成交额2157.17万元，换手率2.56%，总市值21.68亿元。...
咸亨国际涨0.00%，成交额6... 7月28日，咸亨国际涨0.00%，成交额6845.52万元，换手率1.28%，总市值53.79亿元。...
奥普特跌6.78%，成交额2.... 7月28日，奥普特跌6.78%，成交额2.93亿元，换手率2.19%，总市值130.47亿元。异动分...
凯盛新材跌0.06%，成交额8... 7月28日，凯盛新材跌0.06%，成交额8883.47万元，换手率1.31%，总市值71.56亿元。...