【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

瑜欣电子涨11.94%，成交额... 8月12日，瑜欣电子涨11.94%，成交额1.18亿元，换手率6.62%，总市值31.85亿元。异动...
海通发展跌4.37%，成交额5... 8月12日，海通发展跌4.37%，成交额5.26亿元，换手率10.82%，总市值156.31亿元。异...
江苏博云涨0.08%，成交额8... 8月12日，江苏博云涨0.08%，成交额8797.41万元，换手率2.23%，总市值51.11亿元。...
超捷股份涨8.29%，成交额1... 8月12日，超捷股份涨8.29%，成交额12.53亿元，换手率8.54%，总市值154.98亿元。异...
飞南资源跌0.33%，成交额1... 8月12日，飞南资源跌0.33%，成交额1.97亿元，换手率5.65%，总市值135.28亿元。异动...