【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

华数传媒涨0.31%，成交额5... 6月15日，华数传媒涨0.31%，成交额5634.33万元，换手率0.51%，总市值120.44亿元...
宏力达股价连续3天上涨累计涨幅... 6月15日，宏力达涨1.03%，截至发稿，报39.08元/股，成交7953.17万元，换手率1.47...
博瑞传播涨0.73%，成交额5... 6月15日，博瑞传播涨0.73%，成交额5293.66万元，换手率1.17%，总市值45.15亿元。...
联美控股涨2.52%，成交额5... 6月15日，联美控股涨2.52%，成交额5771.41万元，换手率0.42%，总市值138.03亿元...
多利科技股价连续10天下跌累计... 6月15日，多利科技跌0.98%，截至发稿，报18.19元/股，成交1.06亿元，换手率3.27%，...