机器学习二------前向传播过程 反向传播算法(BP算法)Dropout 梯度消失和梯度爆炸

本文深入探讨了深度学习的基础概念,包括前向传播过程、反向传播算法(BP算法)、优化算法如SGD、Momentum以及Dropout技术。解释了Dropout如何缓解过拟合,以及归一化在加速梯度下降和提高精度方面的作用。同时,讨论了深度学习中梯度消失和梯度爆炸的问题及其成因。
摘要由CSDN通过智能技术生成

1.前向传播过程 

   思想:将上一层的输出作为下一层的输入,并计算下一层的输出,一直到运算到输出层为止。

 

 对于Layer 2的输出 

 对于Layer 3的输出,

 

 简化后的形式就是:

2.反向传播算法(BP算法)

符号说明:

preview

对应网络如下:

preview

其中对应的矩阵表示如下:

正向传播计算过程:

 

同理:

所以最终的损失为:

接着推导反向传播,根据公式我们知道:

 

 我们需要求出C对w的偏导,则根据链式法则有:

 

同理也有:

同理如下:

  • 2
    点赞
  • 27
    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