【Machine Learning】Backpropagation 详解
来源:互联网 发布:vmware 12 mac版下载 编辑:程序博客网 时间:2024/06/05 09:37
在一个神经网络中,
总的损失函数可以写为
只要知道
下面以这个图为例,讲解怎么求解
首先,可以从图中看出,
接下来就分为了两部分:
- 因为
z=w1x1+w2x2+b ,所以∂z∂w1=x1 . ∂l∂z 不容易直接求得,因为z 经过 activation function 转变为a=σ(z) ,然后该节点会影响到后面的每一层,从而再影响到输出。因此,可以再做一次链式法则:∂l∂z=∂l∂a∂a∂z ,然后:∂a∂z=σ′(z) ,这可以直接由 activation function 得到。∂l∂a 不太好求,因为a 会影响到后面的每一层,但依旧可以通过链式求导法则来展开。假设a 后面那层有两个节点z′ 和z′′ ,那么有∂l∂a=∂l∂z′∂z′∂a+∂l∂z′′∂z′′∂a ,而z′=aw3+⋯ ,z′′=aw4+⋯ ,一步步往回代入后就有:
上式可以从另一个角度来看,就是另一种的 neural network 连接方式,即
那怎么知道
- 如果
z′ 和z′′ 已经是最后一层了,它们再经过一个 activation function 就得到了输出y1 和y2 ,则可以直接得出∂l∂z′=∂l∂y1∂y1∂z′ 和∂l∂z′′=∂l∂y2∂y2∂z′′ . - 如果
z′ 和z′′ 不是最后一层,那么它们也是通过后面那层再往后连接的,因此求∂l∂z′ 和∂l∂z′′ ,无非就是再把求∂l∂z 的过程再重复一遍,直到求到最后一层为止。
综上,要求
阅读全文
0 0
- 【Machine Learning】Backpropagation 详解
- Machine Learning---Backpropagation
- Machine Learning---Backpropagation
- Machine Learning - Neural Networks Learning: Cost Function and Backpropagation
- Machine Learning - Neural Networks Learning: Backpropagation in Practice
- Andrew NG 《machine learning》week 5,class1 —Cost functions and Backpropagation
- Andrew NG 《machine learning》week 5,class2 —Backpropagation in practice
- Andrew Ng《Machine Learning》第五讲——神经网络模型训练(cost function &backpropagation)
- machine learning
- Machine Learning
- machine learning
- Machine Learning
- machine learning
- Machine Learning
- machine learning
- machine learning
- Machine Learning
- Machine Learning
- 输入一个int型整数,按照从右向左的阅读顺序,返回一个不含重复数字的新的整数。
- SpringBoot之日志记录 SLF4J(H)
- 代码重构原则和方法
- js获取当前时间转换为“2017-08-17 12:54:20”
- npm ERR! Windows_NT 6.1.7601 npm ERR! argv “C:\Program Files\nodejs\node.exe” “C:\Program Files\nod
- 【Machine Learning】Backpropagation 详解
- 应用密码学的笑话之MD5+Salt不安全
- 三基色原理与色彩模式
- jenkins-android打包
- ZOJ1171
- TensorFlow学习笔记(十六)tf.random_normal
- Windows 10安装bash和Azure CLI 2.0
- c++之标准库类型相关题目
- 判断短字符串中的所有字符是否在长字符串中全部出现