神经网络代价函数
神经网络二元分类和多类别分类问题
神经网络代价函数
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200226230435252.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZzZGFld3Jx,size_16,color_FFFFFF,t_70#pic_left =70%x30%#pic_left =70%x30%)
反向传播
Backpropergation algorithm
让代价函数最小化的算法
minimize the cost function
需要做的是去解决 ∂ ∂ θ i j ( l ) J ( θ ) \frac{\partial}{\partial \theta_{ij}^{(l)}}J(\theta) ∂θij(l)∂J(θ)这个偏导项
反向传播算法
δ j l \delta_j^{{l}} δjl = error of node j in layer l.
- 从输出层开始计算 δ j l \delta_j^{{l}} δjl项
- 返回上一层第三层隐藏层的计算 δ j l \delta_j^{{l}} δjl项
- 最后返回上一层第二层隐藏层的计算 δ j l \delta_j^{{l}} δjl项,结束
- 第一层没有误差,所以不用计算