【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

德邦福鑫C净值上涨2.84% 德邦福鑫灵活配置混合型证券投资基金（简称：德邦福鑫C，代码002106）公布6月25日最新净值，上涨...
广发鑫益混合净值上涨1.95% 广发鑫益灵活配置混合型证券投资基金（简称：广发鑫益混合，代码002133）公布6月25日最新净值，上...
Reformation 提交I... 服饰品牌Reformation正式提交IPO招股申请，启动上市流程。译文内容由第三方软件翻译。声明：...
Gunnison Copper... 甘尼森铜业（多伦多证券交易所代码：GCU、美国场外交易市场代码：GCUMF、法兰克福证券交易所代码：...
Reformation拟于纽交... Reformation公司宣布拟在纽约证券交易所挂牌上市普通股，股票代码为“REF”，目前正筹备提交...