Machine Learning第五讲[神经网络: 学习] --(二)实践中的BP算法
来源:互联网 发布:mysql mac 安装包下载 编辑:程序博客网 时间:2024/06/05 03:34
内容来自Andrew老师课程Machine Learning的第五章内容的Backpropagation in Practice部分。
一、Implementation Note: Unrolling Parameters(实现建议:参数展开)
二、Gradient Checking(梯度检测)
当Θ向量中不止含有一个θ值时,其导数公式如下图:
1、在BP中计算出J(θ)对θ的导数D,并组成vector(Dvec)
2、计算大概的梯度gradApprox=(J(Θ+ε)-J(Θ-ε))/(2ε)
3、看看二者的值是否接近
4、强调强调:检验完毕后,就将其关闭,否则会使得程序非常非常慢
三、Random Initialization(随机初始化)
那如果我们使用initialTheta = zeros(n,1),即将矩阵初始化为0,是否可行呢?看下面的例子:
If the dimensions of Theta1 is 10x11, Theta2 is 10x11 and Theta3 is 1x11.
Theta1 = rand(10,11) * (2 * INIT_EPSILON) - INIT_EPSILON;(能保证结果在[-ε,ε]之间,注意这个ε只是一个符号,和梯度检验中的ε不同)
Theta2 = rand(10,11) * (2 * INIT_EPSILON) - INIT_EPSILON;
Theta3 = rand(1,11) * (2 * INIT_EPSILON) - INIT_EPSILON;
四、Putting It Together(整合)
S1:代码
for i = 1:m
Perform forward propagation and backpropagation using example (x(i),y(i))
(Get activations a(l) and delta terms d(l) for l = 2, 3, ...... , L),即
(即按照的顺序执行FP和BP,最后得到和)
end
S2:计算
- Machine Learning第五讲[神经网络: 学习] --(二)实践中的BP算法
- Machine Learning第五讲[神经网络: 学习] --(一)代价函数和BP算法
- 《Machine Learning》第五讲 神经网络
- Stanford Machine Learning -- 第五讲 神经网络
- Machine Learning第四讲[神经网络: 表示] --(二)神经网络
- 机器学习----神经网络(二)BP算法
- Andrew Ng《Machine Learning》第五讲——神经网络模型训练(cost function &backpropagation)
- Machine Learning第八讲[非监督学习] --(二)动因
- Deep Learning(深度学习)之(五)神经网络训练中的高效BP(反向传播算法)
- 今天开始学Pattern Recognition and Machine Learning (PRML),章节5.2-5.3,Neural Networks神经网络训练(BP算法)
- 今天开始学Pattern Recognition and Machine Learning (PRML),章节5.2-5.3,Neural Networks神经网络训练(BP算法)
- 神经网络中的BP算法
- [Deep Learning]学习记录1-Python实现神经网络BP算法
- [Deep Learning]学习记录1-Python实现神经网络BP算法
- Stanford机器学习---第五周.BP神经网络算法
- Machine Learning第四讲[神经网络: 表示] --(一)动因
- Machine Learning第四讲[神经网络: 表示] --(三)应用
- Machine Learning 学习之神经网络(1)
- C++ Primer Chapter 14-1
- 正则全部符号解释
- Java 相关[陆续更新]
- C++ Primer Chapter 14-2
- Map集合
- Machine Learning第五讲[神经网络: 学习] --(二)实践中的BP算法
- C++ Primer Chapter 14-3
- c++对象模型
- 字符串练习
- hadoop分布式集群搭建
- C++ Primer Chapter 14-4
- 加入链接
- C++ Primer Chapter 14-5
- 枚举