【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

俄外交部驳斥日方就普京登岛提出... 来源:新华社新华社莫斯科8月13日电俄罗斯外交部发言人扎哈罗娃13日在俄外交部网站发布声明，驳斥日本...
大手笔！中国移动，拟分红544... 来源：证券时报网中国移动中期拟分红544.26亿元（含税）。8月13日晚间，中国移动(600941)...
典型案例揭示个人信息泄露套路 转自：贵州日报 非法破解网购订单信息、通过旅馆共享充电宝套取个人信息、行业“内鬼”倒卖客户资料...
以“词元”为桥，构筑AI算力贵... 转自：贵州日报 贵阳日报融媒体记者 钱丽 2026中国国际大数据产业博览会进入开幕倒计时...
“花漾高峰”果香浓 转自：贵州日报 贵阳日报融媒体记者 潘朝选 入夏以来，贵阳贵安凭借清凉气候吸引八方来客避...