2018-12-20 神经网络反向传播算法
2018-12-20 本文已影响0人
奈何qiao
反向传播算法
“反向传播”是用于最小化我们的成本函数的神经网络术语,就像在逻辑和线性回归中使用梯度下降一样。

表示第L层节点j的误差
.*表示点乘,是指对应的元素相乘

不需要计算,第一层是输入层,不存在误差。

△表示大写的,是累加求和的意思。

例题

反向传播算法
“反向传播”是用于最小化我们的成本函数的神经网络术语,就像在逻辑和线性回归中使用梯度下降一样。
表示第L层节点j的误差
.*表示点乘,是指对应的元素相乘
不需要计算,第一层是输入层,不存在误差。
△表示大写的,是累加求和的意思。
例题