人工神经网络 - 后向传播算法(Back Propogation)


一、人工神经网络 - 后向传播算法

本质上就是梯度下降法(Gradient Descent Method)求极值。

  1. 找一个w0
  2. 设 k = 0,假设 d f(w) / d w = 0,退出,否则 wk+1 = wk - a (d f(w) / d w)|wk

二、推导 BP 算法

1.运用实际例子推导 BP

以如下例子进行讲解,X是二维向量,φ是一个非线性函数,E是目标函数,是为了对函数进行优化,系数1/2是为了求导方便。

存在 w11 w12 w21 w22 b1 b2 b w1 w2 九个未知数 , 我们要做的就是利用获得的数据去求解这些未知量。

在这里插入图片描述
下图是利用梯度下降对所有参数进行优化的过程。

在这里插入图片描述
BP问题的重点在于第二点,如何求 əE / əw 和 əE / əb&

  • 4
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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
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