BP神经网络后向传播原理
来源:互联网 发布:淘宝网怎么卖二手东西 编辑:程序博客网 时间:2024/05/17 04:48
BP神经网络后向传播原理
在BP神经网络中,最难理解也是最为重要的部分就是BP后向传播中风险函数J对各神经线上的权的偏导数的求解。然而,吃透这部分内容对于真正理解BP神经网络是至关重要的。
下面主要从推导风险函数J对各神经线上的权的偏导数的公式这个方面来帮助自己理解BP后向传播原理。
首先,我设计了一个4层的神经网络——1个输入层(n个神经元)、2个隐藏层(分别为p、q个神经元)、1个输出层(k个神经元,即分为k类)。这样设计的原因,是为了推导风险函数J对隐藏层之间神经线上权的偏导数的一般公式。
在分析之前,我们首先确定风险函数J。我们知道,在神经网络的单个神经元中,其模型是Logistic Regression。所以,我们知道对于单个训练样本而言,其风险函数J可表示为:
(要说明的是,有些资料上也定义
这样在公式推导时,会简便许多,其与对数形式的J对权的求偏导差别仅在隐藏层输出层上),下面对于两种形式的J都会给出推导。但是和Logistic Regression一样,出于对凸函数的考虑,建议使用对数形式J.
下面开始对公式推导:
1) 神经网络模型如图所示,
2)在该神经网络中,对于单样本而言,
(a)若风险函数J 为
0 0
- BP神经网络后向传播原理
- BP神经网络后向传播算法
- BP神经网络后向传播算法
- BP神经网络后向传播算法
- Machine Learning6 BP神经网络(后向传播算法)
- BP神经网络-前向传播
- 神经网络后向传播
- PRML读书会第五章 Neural Networks(神经网络、BP误差后向传播链式求导法则、正则化、卷积网络)
- 神经网络后向传播算法学习笔记
- BP 神经网络 反向传播算法
- [读书笔记]后向传播算法原理
- 神经网络-前向传播
- 多层前馈神经网络的后向传播算法推导
- BP神经网络 原理 心得
- BP神经网络算法原理
- BP神经网络原理推导
- BP神经网络原理
- BP神经网络原理
- AS3 Starling塔防教程——第十一部分——总结
- day7,page35,total225
- 我对单例模式的理解
- Linux企业级项目实践之网络爬虫(24)——定制规则扩展为垂直爬虫
- VC和MATLAB混合开发经验总结
- BP神经网络后向传播原理
- Ubuntu14.04安装wineqq国际版
- Oracle在Win7系统安装
- HDU 4587 边双联通
- Linux 下安装Nessus 5.0
- Linux企业级项目实践之网络爬虫(25)——管理源代码之SVN
- [剑指offer]面试题34:丑数
- 架构设计分享之权限系统(看图说话)
- HDOJ 题目3232Crossing Rivers(数学期望)