神经网络二：浅谈反向传播算法（backpropagation algorithm）为什么会很快

最新推荐文章于 2024-07-28 03:59:40 发布

Bixiwen_liu

最新推荐文章于 2024-07-28 03:59:40 发布

阅读量1.8k

点赞数

分类专栏：深度学习文章标签：深度学习神经网络

本文链接：https://blog.csdn.net/Bixiwen_liu/article/details/52921444

版权

深度学习专栏收录该内容

33 篇文章 6 订阅

订阅专栏

在上一个博客神经网络一：介绍，示例，代码中，介绍了神经网络的基本算法Backpropagation Algorithm，该算法有很多优点，具体的可自行查阅其他资料或博客，本文主要针对Backpropagation Algorithm中运行速度快的特点进行浅谈。

假设我们有一个固定样本集 $\textstyle \{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}$ ，它包含 $\textstyle m$ 个样例。具体来讲，对于单个样例 $\textstyle (x,y)$ ，其代价函数为：

$\begin{align}J(W,b; x,y) = \frac{1}{2} \left\| h_{W,b}(x) - y \right\|^2.\end{align}$ 我们最后用得到：

$\begin{align}\frac{\partial}{\partial W_{ij}^{(l)}} J(W,b; x, y) &= a^{(l)}_j \delta_i^{(l+1)} \\\frac{\partial}{\partial b_{i}^{(l)}} J(W,b; x, y) &= \delta_i^{(l+1)}.\end{align}$ ，

最后计算出：

$\begin{align}W_{ij}^{(l)} &= W_{ij}^{(l)} - \alpha \frac{\partial}{\partial W_{ij}^{(l)}} J(W,b) \\b_{i}^{(l)} &= b_{i}^{(l)} - \alpha \frac{\partial}{\partial b_{i}^{(l)}} J(W,b)\end{align}$ 。