BP神经网络介绍
来源:互联网 发布:移民文案知乎 编辑:程序博客网 时间:2024/06/06 19:02
刚接触BP神经网络,在网上已经找了很多相关资料,现对看到的资料进行简单的总结或者叫理解吧(如果哪位大神看到了希望指出不正之处):
图:
(预期与实际偏差,其中,p是样本数,m是输出维数,输出y0,y1,ym-1)
(这个式子开始符号错了,针对原文来说,这应该是加号,或者wki和wki'换个位置,不过后面将错就错,不影响推导过程)
(由复合函数求导链式法则,这肯定是成立的,数学上可以严格证明)
其中:
,时求导有y'=y(1-y),所以上述连续求导公式就变成:
,由梯度下降法则(至于梯度下降为什么是这个,参照我上一篇博客),所以
(最后得到的式子也错了,还是符号错误,在下一篇的计算过程中会指出)
思路比较简单:梯度下降法去找权值变化使误差最小(适可而止,不过拟合),梯度下降方向可以用一个复合函数求导链式法则求出来,链式法则本身就带有前向反馈的意思,由已知探未知;
结果也比较简单:最后一层的权值更新与(学习率、预期输出、实际输出、倒数第二层输入xk)有关;
另外,第一层的权值更新把链式求导法则又往前推了一层,
且其中
(这个式子比较重要,表明了一种可以迭代的意味,进入到深度学习时,要靠它,比如CNN里提到的权值更新公式δlj=δl+1jWl+1j°f′(ul)就是这个式子)
最后第一层的权值更新公式,理所当然为:
(仍然符号错误,不过不是很重要,还是从一开始就引起的符号错误,忽略吧)
由该式子有结论:第一层的权值更新与(学习率、预期输出、实际输出、下一层的权值wki(因为是倒过来的,所以叫下一层)、总输入bn、还有该层更新前的权值(表现为Uk))有关
我的第一篇博客,基本抄的这位老兄的:
http://www.cnblogs.com/wb-DarkHorse/archive/2012/12/12/2815393.html
其中有一些符号问题,但不影响推导,在下一篇的实际计算过程中纠正了这个小错误
- BP神经网络介绍
- matlab BP神经网络介绍
- BP神经网络基本介绍
- BP神经网络介绍
- BP神经网络介绍
- BP单隐层神经网络介绍
- BP神经网络很好的介绍
- 多层神经网络(BP算法)介绍
- BP神经网络的优缺点介绍
- BP人工神经网络的介绍与实现
- BP人工神经网络的介绍与实现
- BP人工神经网络的介绍与实现
- BP神经网络
- BP神经网络
- BP 神经网络
- bp神经网络
- BP神经网络
- BP神经网络
- iOS-Effective Objective-C 2.0 读书笔记(三)
- 2第一个C程序“Hello World”
- 虚幻4 shader编译4
- JAVA基础三——安卓开发的基础
- Ubuntu下搭建AndroidStudio开发环境
- BP神经网络介绍
- java中常用的字符串的截取方法1
- Mina的IoBuffer类getSlice方法略坑
- 命名空间+闭包+全局变量实例
- usaco布局(差分约束系统的应用)
- SpringMVC 使用验证框架 Bean Validation(下)
- MyEclipse注册码生成器
- maven多模块工程打包部署
- treap模板