用Python+Numpy模块实现神经网络（五）

最新推荐文章于 2022-05-18 15:49:12 发布

Wang.Jade

最新推荐文章于 2022-05-18 15:49:12 发布

阅读量626

点赞数 1

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_46238576/article/details/106126292

版权

本文介绍了神经网络中的偏导数概念和偏导数链式法则，阐述了如何利用这些数学工具进行神经网络权重的更新。通过反向传播和损失函数，解释了如何计算误差并优化网络性能。文章详细讲解了权重更新的计算过程，包括隐藏层到输出层的权重更新公式，并预告了输入层与隐藏层之间误差的计算方法。

摘要由CSDN通过智能技术生成

用Python+Numpy模块实现神经网络（四）续集

7. 偏导数与偏导数链式法则

hi,大家好，欢迎阅读本篇博客，在上一篇中，我们知道了矩阵运算对于神经网络的重要性，并用Python亲手实践了一个简单的二层神经网络的前向传播。在这一篇中，我们又要引入（复习）两个数学概念：偏导数与偏导数链式法则。

什么是偏导数？还记得前几篇博客中提到的导数吗（在《用Python+Numpy模块实现神经网络（三）》提到），我们计算导数的时候，函数是 $f(x) = x^{2}$ ，也就是说，这个函数只有一个自变量，那么假如这个函数是 $f(x,y)=x^{2}+y^{2}$ ，那么我们就无法给x与y同时求导，而是针对一个自变量求导，假如在上边函数中，我只想知道x的导数，我们可以叫他——关于x的偏导数。那么具体如何求呢（我们把关于x的偏导数记作 $\frac{\partial f}{\partial x}$ ,同理，我们把关于y的偏导数记作 $\frac{\partial f}{\partial y}$ ):

最低0.47元/天解锁文章

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。