梯度下降
链式法则
连锁影响(可以看出x会影响y,y会影响z)
BP主要用到了chain rule
反向传播
损失函数(Loss function)是定义在单个训练样本上的,也就是就算一个样本的误差,比如我们想要分类,就是预测的类别和实际类别的区别,是一个样本的,用L表示。
代价函数(Cost function)是定义在整个训练集上面的,也就是所有样本的误差的总和的平均,也就是损失函数的总和的平均,有没有这个平均其实不会影响最后的参数的求解结果。
总体损失函数(Total loss function)是定义在整个训练集上面的,也就是所有样本的误差的总和。也就是平时我们反向传播需要最小化的值。
把计算梯度分成两个部分
计算所有激活函数的偏微分,激活函数有很多,这里使用Sigmoid函数为例
这里使用链式法则(Chain Rule)的case1,计算过程如下:
case 1 : Output layer
case 2 : Not Output Layer
总结
task4 反向传播
最新推荐文章于 2022-08-31 18:45:38 发布