Deep Learning 学习笔记4：神经网络的反向传播法

这是一个最简单的神经网络模型图，第一层是输入层，第二层是隐藏层，第三层是输出层。第一层的输入数据分配一个权重后，计算的结果并用激活函数进行激活再传给隐藏层，然后隐藏层再对数据进行权重分配，计算出结果传给输出层，输出层再用激活函数将最后结果输出。反向传播法的用途在于：当最后输出层的数据与真实数据相比有误差时，会反向更新权重参数。

                                  

首先来看前向传播的过程：（激活函数选用sigmoid函数）

神经元h1的输入加权和：

神经元h2的输入加权和：

神经元h1的输出：