【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

建信中证红利潜力指数A净值上涨... 建信中证红利潜力指数证券投资基金（简称：建信中证红利潜力指数A，代码007671）公布5月27日最新...
民生加银持续成长混合A净值下跌... 民生加银持续成长混合型证券投资基金（简称：民生加银持续成长混合A，代码007731）公布5月27日最...
景顺长城沪港深红利成长低波指数... 景顺长城中证沪港深红利成长低波动指数型证券投资基金（简称：景顺长城沪港深红利成长低波指数C类，代码0...
富国中证国企一带一路ETF联接... 富国中证国企一带一路交易型开放式指数证券投资基金联接基金（简称：富国中证国企一带一路ETF联接A，代...
博时央创ETF联接A净值下跌1... 博时中证央企创新驱动交易型开放式指数证券投资基金联接基金（简称：博时央创ETF联接A，代码00779...