3-7 神经网络的梯度下降

神经网络的梯度下降 （ Gradient descent for neural networks）

对于一个两层神经网络，输入参数：${W^{[1]}}$, ${b^{[1]}}$, ${W^{[2]}}$, ${b^{[2]}}$,输入特征个数${n_x}$,隐藏层结点的个数${n^{[1]}}$，输出层的结点个数${n^{[2]}} $，输入结点个数${n^{[0]}} $。

${W^{[1]}}$的维度就是(${n^{[1]}}$, ${n^{[0]}}$),${b^{[1]}}$就是${n^{[1]}}$维向量，可以写成(${n^{[1]}}$, 1)，就是一个列向量。

${W^{[1]}}$的维度就是(${n^{[2]}}$, ${n^{[1]}}$),${b^{[1]}}$就是${n^{[1]}}$维向量，可以写成(${n^{[2]}}$, 1)，就是一个列向量。

假设做的是logistic回归，那么损失函数可以表示为：

正向传播过程：

参数更新过程：

反向传播过程：

转载于:https://www.cnblogs.com/xiaojianliu/articles/9529209.html