李宏毅深度学习笔记(九)BP(Back propagation)神经网络计算详解(手算)

这里我用一个实例来实现以下BP神经网络计算的过程:
这个实例中输入 x 1 = 1 x_1=1 x1=1 x 2 = − 1 x_2=-1 x2=1,输出 y = 0.5 y=0.5 y=0.5 w 1 w_1 w1 w 6 w_6 w6为参数。
在这里插入图片描述
先通过上述模型计算出各个神经元的输入与输出:
在这里插入图片描述构造损失函数,这里我们使用交叉熵损失函数 C = − y l n y ^ C=-yln\hat y C=ylny^ y y y为标签值, y ^ \hat y y^为计算出来的值。
接下来用反向传播来求解偏导数:
在这里插入图片描述
到这一步我们已经求出了各个参数的偏导数了,下一步就是更新参数了,我们设学习率 η \eta η为0.6
在这里插入图片描述
可以看到更新参数之后算得的 y ^ ′ \hat y' y^比原来的 y ^ \hat y y^更接近0.5了,接下来只要按照上述的步骤一遍一遍进行操作就可以了。结束更新的操作可以是循环了k次或者 y ^ \hat y y^ y y y之间的距离足够小。

  • 12
    点赞
  • 67
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

comli_cn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值