BP神经网络

$BP$神经网络

1.激活函数

​ 激活函数（Activation Function）是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。激活函数对于人工神经网络模型去学习、理解复杂的非线性函数，具有十分重要的作用。

​ 如果不使用激活函数，每一层输出都是上一层输入的线性运算，无论神经网络有多少层，最终的输出只是输入的线性组合，相当于感知机。如果使用了激活函数，将非线性因素引入到网络中，使得神经网络可以任意逼近任何非线性函数，能够应用到更多的非线性模型。

常用的激活函数

$sigmoid$ 函数

​ $Sigmoid$函数是一个在生物学中常见的S型函数，也称为S型生长曲线。在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的阈值函数，将变量映射到0,1之间，公式如下：
$$f(x)=\frac{1}{1+e^{(-x)}}$$

$ReLU$函数

​ $Relu$激活函数（The Rectified Linear Unit），用于隐藏层的神经元输出。公式如下：
$$f(x)=max(0,x)$$

$Tanh$ 函数

​ $Tanh$ 是双曲函数中的一个，$Tanh()$ 为双曲正切。在数学中，双曲正切“$Tanh$”是由基本双曲函数双曲正弦和双曲余弦推导而来。公式如下：
$$f(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$$
$softmax$ 函数

​ $softmax$ 函数用于输出层。假设输出层共有 $n$ 个神经元，计算第 $k$ 个神经元的输出 $y_k$。$softmax$ 函数的分子是输入信号 $a_k$ 的指数函数，分母是所有输入信号的指数函数的和。$softmax$ 函数公式如下：
$$y_k=\frac{e^{a_k}}{{\sum }_{i=1}^n{e}^{a_i}}$$

2.神经网络结构

​ 第0层是输入层（2个神经元），第1层是隐含层（3个神经元），第2层是隐含层（2个神经元），第3层是输出层。

符号约定

​ $w_{jk}^{[l]}$表示从网络第$(l-1{)}^{th}$ 层第$k^{th}$ 个神经元指向第 $l^{th}$ 层第 $j^{th}$ 个神经元的连接权重，同时也是第 $l$ 层权重矩阵第 $j$ 行第 $k$ 列的元素。例如，上图中 $w_{21}^{[1]}$ ，第0层第1个神经元指向第1层第2个神经元的权重（褐色），也就是第 1 层权重矩阵第 2 行第 1 列的元素。同理，使用 $b_j^{[l]}$ 表示第 $l^{th}$ 层第 $j^{th}$ 个神经元的偏置 ，同时也是第 $l$ 层偏置向量的第 $j$ 个元素。使用 $z_j^{[l]}$ 表示第 $l^{th}$ 层第 $j^{th}$ 个神经元的线性结果，使用 $a_j^{[l]}$ 来表示第 $l^{th}$ 层第 $j^{th}$ 个神经元的激活函数输出。其中，激活函数使用符号σ表示，第 $l^{th}$ 层中第 $j^{th}$ 个神经元的激活为:

$$a_j^{[l]}=\sigma (z_j^{[l]})=\sigma \left(\sum _k{w}_{jk}^{[l]}{a}_k^{[l-1]}+b_j^{[l]}\right)$$
$w^{[l]}$ 表示第 $l$ 层的权重矩阵，$b^{[l]}$ 表示第 $l$ 层的偏置向量，$a^{[l]}$ 表示第 $l$ 层的神经元向量，结合上图讲述：

$w^{[1]}=\left[\begin{array}{lll}{w}_{11}^{[1]}& w_{12}^{[1]}& \\ w_{21}^{[1]}& w_{22}^{[1]}& \\ w_{31}^{[1]}& w_{32}^{[1]}& \end{array}\right]$ $w^{[2]}=\left[\begin{array}{lll}{w}_{11}^{[2]}& w_{12}^{[2]}& w_{13}^{[2]}\\ w_{21}^{[2]}& w_{22}^{[2]}& w_{23}^{[2]}\end{array}\right]$

$b^{[1]}=\left[\begin{array}{l}{b}_1^{[1]}\\ b_2^{[1]}\\ b_3^{[1]}\end{array}\right]$ $b^{[2]}=\left[\begin{array}{l}{b}_1^{[2]}\\ b_2^{[2]}\end{array}\right]$

进行线性矩阵运算。

$z^{[1]}=\left[\begin{array}{lll}{w}_{11}^{[1]}& w_{12}^{[1]}& \\ w_{21}^{[1]}& w_{22}^{[1]}& \\ w_{31}^{[1]}& w_{32}^{[1]}& \end{array}\right]\cdot \left[\begin{array}{c}{a}_1^{[0]}\\ a_2^{[0]}\end{array}\right]+\left[\begin{array}{l}{b}_1^{[1]}\\ b_2^{[1]}\\ b_3^{[1]}\end{array}\right]=\left[\begin{array}{c}{w}_{11}^{[1]}{a}_1^{[0]}+w_{12}^{[1]}{a}_2^{[0]}+b_1^{[1]}\\ w_{21}^{[1]}{a}_1^{[0]}+w_{22}^{[1]}{a}_2^{[0]}+b_2^{[1]}\\ w_{31}^{[1]}{a}_1^{[0]}+w_{32}^{[1]}{a}_2^{[0]}+b_3^{[1]}\end{array}\right]$

矩阵形状 (3,2) (2,1) (3,1) (3,1)

$z^{[2]}=\left[\begin{array}{ccc}{w}_{11}^{[2]}& w_{12}^{[2]}& w_{13}^{[2]}\\ w_{21}^{[2]}& w_{22}^{[2]}& w_{23}^{[2]}\end{array}\right]\cdot \left[\begin{array}{c}{a}_1^{[1]}\\ a_2^{[1]}\\ a_3^{[1]}\end{array}\right]+\left[\begin{array}{c}{b}_1^{[2]}\\ b_2^{[2]}\end{array}\right]=\left[\begin{array}{c}{w}_{11}^{[2]}{a}_1^{[1]}+w_{12}^{[2]}{a}_2^{[1]}+w_{13}^{[2]}{a}_3^{[1]}+b_1^{[2]}\\ w_{21}^{[2]}{a}_1^{[1]}+w_{22}^{[2]}{a}_2^{[1]}+w_{23}^{[2]}{a}_3^{[1]}+b_2^{[2]}\end{array}\right]$

矩阵形状 (2,3) (3,1) (2,1) (2,1)

那么，前向传播过程可以表示为：
$$a^{[l]}=\sigma \left(w^{[l]}{a}^{[l-1]}+b^{[l]}\right)$$
上述讲述的前向传播过程，输入层只有1个列向量，也就是只有一个输入样本。对于多个样本，输入不再是1个列向量，而是m个列向量，每1列表示一个输入样本。m个$a^{[l-1]}$列向量组成一个m列的矩阵$A^{[l-1]}$。

$A^{[l-1]}=\left[\begin{array}{cccc}|& |& \cdots & |\\ a^{[l-1](1)}& a^{[l-1](2)}& \dots & a^{[l-1](m)}\\ |& |& \dots & |\end{array}\right]$

多样本输入的前向传播过程可以表示为：
$$\begin{array}{c}{Z}^{[l]}=w^{[l]}\cdot A^{[l-1]}+b^{[l]}\\ A^{[l]}=\sigma \left(Z^{[l]}\right)\end{array}$$
与单样本输入相比，多样本$w^{[l]}$和$b^{[l]}$的定义是完全一样的，不同的只是$Z^{[l]}$和$A^{[l]}$从1列变成m列，每1列表示一个样本的计算结果。

3.损失函数

​ 在有监督的机器学习算法中，我们希望在学习过程中最小化每个训练样例的误差。通过梯度下降等优化策略完成的，而这个误差来自损失函数。

​ 损失函数用于单个训练样本，而成本函数是多个训练样本的平均损失。优化策略旨在最小化成本函数。下面例举几个常用的损失函数。

回归问题

1. 绝对值损失函数($L_1$损失函数)：

   $L(\hat{y},y)=|y-\hat{y}|$

   $y$ 表示真实值或期望值，$\hat{y}$ 表示预测值

2. 平方损失函数($L_2$损失函数)：

   $L(\hat{y},y)=(y-\hat{y}{)}^2$

   $y$ 表示真实值或期望值，$\hat{y}$ 表示预测值

分类问题

1. 交叉熵损失：

   $L(\hat{y},y)=-y\log (\hat{y})-(1-y)\log (1-\hat{y})$

   $y$ 表示真实值或期望值，$\hat{y}$ 表示预测值

4.反向传播

​ 反向传播的基本思想：通过计算输出层与期望值之间的误差来调整网络参数，使得误差变小(最小化损失函数或成本函数)。反向传播基于四个基础等式，非常简洁优美，但想要理解透彻还是挺烧脑的。

求解梯度矩阵

假设函数 $f:R^{n\times 1}\to R$ 将输入的列向量（shape: $n\times 1$ ）映射为一个实数。那么，函数 $f$ 的梯度定义为：

${\nabla }_{x}f(x)=\left[\begin{array}{c}\frac{\partial f(x)}{\partial x_1}\\ \frac{\partial f(x)}{\partial x_2}\\ ⋮\\ \frac{\partial f(x)}{\partial x_n}\end{array}\right]$

同理，假设函数 $f:R^{m\times n}\to R$ 将输入的矩阵（shape: $m\times n$ ）映射为一个实数。函数 $f$ 的梯度定义为：

${\nabla }_{A}f(A)=\left[\begin{array}{cccc}\frac{\partial f(A)}{\partial A_{11}}& \frac{\partial f(A)}{\partial A_{12}}& \dots & \frac{\partial f(A)}{\partial A_{13}}\\ \frac{\partial f(A)}{\partial A_{21}}& \frac{\partial f(A)}{\partial A_{22}}& \dots & \frac{\partial f(A)}{\partial A_{2n}}\\ ⋮& ⋮& \ddots & ⋮\\ \frac{\partial f(A)}{\partial A_{m1}}& \frac{\partial f(A)}{\partial A_{m2}}& \dots & \frac{\partial f(A)}{\partial A_{mn}}\end{array}\right]$

可以简化为：

${\left({\nabla }_{A}f(A)\right)}_{ij}=\frac{\partial f(A)}{\partial A_{ij}}$

注意：梯度求解的前提是函数 $f$ 返回的必须是一个实数，如果函数返回的是一个矩阵或者向量，是没有办法求解梯度的。例如，函数$f(A)={\sum }_{i=0}^m{\sum }_{j=0}^n{A}_{ij}^2$，函数返回一个实数，可以求解梯度矩阵。如果 $f(x)=Ax\left(A\in R^{m\times n},x\in R^{n\times 1}\right),$ 函数返回一个m行的列向量，就不能对 $f$ 求解梯度矩阵。

矩阵相乘

矩阵 $A=\left[\begin{array}{cc}1& 2\\ 3& 4\end{array}\right]$，矩阵 $B=\left[\begin{array}{cc}-1& -2\\ -3& -4\end{array}\right]$

$AB=\left[\begin{array}{ll}1\times -1+2\times -3& 1\times -2+2\times -4\\ 3\times -1+4\times -3& 3\times -2+4\times -4\end{array}\right]=\left[\begin{array}{cc}-7& -10\\ -15& -22\end{array}\right]$

矩阵对应元素相乘

使用符号$\odot$表示：

$A\odot B=\left[\begin{array}{cc}1\times -1& 2\times -2\\ 3\times -3& 4\times -4\end{array}\right]=\left[\begin{array}{cc}-1& -4\\ -9& -16\end{array}\right]$

梯度下降法

​ 从几何意义，梯度矩阵代表了函数增加最快的方向，沿着梯度相反的方向可以更快找到最小值。

​ 反向传播的过程就是利用梯度下降法原理，逐步找到成本函数的最小值，得到最终的模型参数。

反向传播公式推导（四个基础等式）

​ 要想最小化成本函数，需要求解神经网络中的权重 $w$ 和偏置 $b$ 的梯度，再用梯度下降法优化参数。求解梯度也就是计算偏导数 $\frac{\partial L\left(a^{[l]},y\right)}{\partial w_{jk}^{[l]}}$ 和 $\frac{\partial L\left(a^{[l]},y\right)}{\partial b_j^{[l]}}$ 。为了计算这些偏导数，引入一个中间变量 ${\delta }_j^{[l]}$，它表示网络中第 $l^{th}$ 层第 $j^{th}$ 个神经元的误差。反向传播能够计算出误差${\delta }_j^{[l]},$ 再根据链式法则求出 $\frac{\partial L\left(a^{[l]},y\right)}{\partial w_{jk}^{[l]}}$ 和 $\frac{\partial L\left(a^{[l]},y\right)}{\partial b_j^l}$ 。

定义网络中第 $l$ 层第 $j$ 个神经元的误差为 ${\delta }_j^{[l]}$ :

${\delta }_j^{[l]}=\frac{\partial L\left(a^{[L]},y\right)}{\partial z_j^{[l]}}$

其中 $L(a^{[L]},y)$ 表示损失函数，$y$ 表示真实值，$a^{[L]}$ 表示输出层的预测值。

每一层的误差向量可以表示为：

${\delta }^{[l]}=\left[\begin{array}{c}{\delta }_1^{[l]}\\ {\delta }_2^{[l]}\\ ⋮\\ {\delta }_n^{[l]}\end{array}\right]$

等式一 输出层误差

$${\delta }_j^{[L]}=\frac{\partial L}{\partial a_j^{[L]}}{\sigma }^{\prime }\left(z_j^{[L]}\right)$$

L表示输出层层数。以下用 $\partial L$ 表示 $\partial L\left(a^{[L]},y\right)$

写成矩阵形式是：

${\delta }^{[L]}=\left[\begin{array}{c}\frac{\partial L}{\partial a_1^{[L]}}\\ \frac{\partial L}{\partial a_2^{[L]}}\\ ⋮\\ \frac{\partial L}{\partial a_j^{[L]}}\end{array}\right]\odot \left[\begin{array}{c}{\sigma }^{\prime }\left(z_1^{[L]}\right)\\ {\sigma }^{\prime }\left(z_2^{[L]}\right)\\ ⋮\\ {\sigma }^{\prime }\left(z_j^{[L]}\right)\end{array}\right]$

表示成公式：
$${\delta }^{[L]}={\nabla }_{a}L\odot {\sigma }^{\prime }\left(z^{[L]}\right)$$
推导

计算输出层的误差 ${\delta }_j^{[L]}=\frac{\partial L}{\partial z_j^{[L]}}$ ，根据链式法则

${\delta }_j^{[L]}={\sum }_k\frac{\partial L}{\partial a_k^{[L]}}\frac{\partial a_k^{[L]}}{\partial z_j^{[L]}}$

输出层不一定只有一个神经元，可能有多个神经元。成本函数是每个输出神经元的损失函数之和，每个输出神经元的误差与其它神经元没有关系，所以只有$k=j$ 的时候值不是0。

当$k\ne j$ 时，$\frac{\partial L}{\partial z_j^{[L]}}=0$ ，简化误差 ${\delta }_j^{[L]}$ ，得到

${\delta }_j^{[L]}=\frac{\partial L}{\partial a_j^{[L]}}\frac{\partial a_j^{[L]}}{\partial z_j^{[L]}}$

$\sigma$ 表示激活函数，由$a_j^{[L]}=\sigma \left(z_j^{[L]}\right)$，计算出 $\frac{\partial a_j^{[L]}}{\partial z_j^{[L]}}={\sigma }^{\prime }\left(z_j^{[L]}\right)$ ，代入最后得到

${\delta }_j^{[L]}=\frac{\partial L}{\partial a_j^{[L]}}{\sigma }^{\prime }\left(z_j^{[L]}\right)$

等式二 隐藏层误差

$$\begin{array}{c}{\delta }_j^{[l]}={\sum }_k{w}_{kj}^{[l+1]}{\delta }_k^{[l+1]}{\sigma }^{\prime }\left(z_j^{[l]}\right)\end{array}$$

写成矩阵形式：

${\delta }^{[l]}=\left[\begin{array}{l}\left[\begin{array}{lllc}{w}_{11}^{[l]}& w_{12}^{[l]}& \dots & w_{1k}^{[l]}\\ w_{21}^{[l]}& w_{22}^{[l]}& \dots & w_{2k}^{[l]}\\ ⋮& ⋮& \ddots & ⋮\\ w_{j1}^{[l]}& w_{j2}^{[l]}& \dots & w_{jk}^{[l]}\end{array}\right]\left[\begin{array}{c}{\delta }_1^{[l+1]}\\ {\delta }_2^{[l+1]}\\ ⋮\\ {\delta }_k^{[l+1]}\end{array}\right]\end{array}\right]\odot \left[\begin{array}{c}{\sigma }^{\prime }\left(z_1^{[l]}\right)\\ {\sigma }^{\prime }\left(z_2^{[l]}\right)\\ ⋮\\ {\sigma }^{\prime }\left(z_j^{[l]}\right)\end{array}\right]$

矩阵形状：(j,k) * (k,1) $\odot$ (j,1) = (j,1)

权重矩阵的形状从(k,j)转置变成(j,k)。

表示成公式：
$${\delta }^{[l]}=\left[w^{[l+1{]}^T}{\delta }^{[l+1]}\right]\odot {\sigma }^{\prime }\left(z^{[l]}\right)$$
推导

$z_k^{[l+1]}={\sum }_j{w}_{kj}^{[l+1]}{a}_j^{[l]}+b_k^{[l+1]}={\sum }_j{w}_{kj}^{[l+1]}\sigma \left(z_j^{[l]}\right)+b_k^{[l+1]}$

对 $z_j^{[l]}$ 求偏导

$\frac{\partial z_k^{[l+1]}}{\partial z_j^{[l]}}=w_{kj}^{[l+1]}{\sigma }^{\prime }\left(z_j^{[l]}\right)$

根据链式法则

${\delta }_j^{[l]}=\frac{\partial L}{\partial z_j^{[l]}}=\frac{\partial L}{\partial z_k^{[l+1]}}\frac{\partial z_k^{[l+1]}}{\partial z_j^{[l]}}={\sum }_k{w}_{kj}^{[l+1]}{\delta }_k^{[l+1]}{\sigma }^{\prime }\left(z_j^{[l]}\right)$

等式三 参数变化率

$$\begin{array}{c}\frac{\partial L}{\partial b_j^{[l]}}={\delta }_j^{[l]}\\ \frac{\partial L}{\partial w_{jk}^{[l]}}=a_k^{[l-1]}{\delta }_j^{[l]}\end{array}$$

写成矩阵形式：

$\frac{\partial L}{\partial b^{[l]}}=\left[\begin{array}{c}{\delta }_1^{[l]}\\ {\delta }_2^{[l]}\\ ⋮\\ {\delta }_j^{[l]}\end{array}\right]={\delta }^{[l]}$

矩阵形状：(j,1)

$\frac{\partial L}{\partial w^{[l]}}=\left[\begin{array}{c}{\delta }_1^{[l]}\\ {\delta }_2^{[l]}\\ ⋮\\ {\delta }_j^{[l]}\end{array}\right]\left[\begin{array}{c}{a}_1^{[l]}{a}_2^{[l]}\dots a_k^{[l]}\end{array}\right]$

矩阵形状：(j,1) * (1,k) = (j,k)

注意：$\frac{\partial L}{\partial w^{[l]}}$ 是一个dim $\left({\delta }^{[l]}\right)$ 行 $\dim \left(a^{[l-1]}\right)$ 列的矩阵， 和 $w^{[l]}$ 的维度一致 ；$ \frac{\partial L}{\partial b^{[l]}}$ 是一个维度为 $\dim \left({\delta }^{[l]}\right)$ 的列向量

表示成公式：
$$\begin{array}{c}\frac{\partial L}{\partial b^{[l]}}={\delta }^{[l]}\\ \frac{\partial L}{\partial w^{[l]}}={\delta }^{[l]}{a}^{[l-1]T}\end{array}$$
推导

$z_j^{[l]}={\sum }_k{w}_{jk}^{[l]}{a}_k^{[l-1]}+b_k^{[l]}$

L 对 $b_j^{[l]}$ 求偏导，根据链式法则得到

$\frac{\partial L}{\partial b_j^{[l]}}=\frac{\partial L}{\partial z_j^{[l]}}\frac{\partial z_j^{[l]}}{b_j^{[l]}}=\frac{\partial L}{\partial z_j^{[l]}}\ast 1={\delta }_j^{[l]}$

L 对 $w_{jk}^{[l]}$ 求偏导，根据链式法则得到

$\frac{\partial L}{\partial w_{jk}^{[l]}}=\frac{\partial L}{\partial z_j^{[l]}}\frac{\partial z_j^{[l]}}{w_{jk}^{[l]}}=a_k^{[l-1]}{\delta }_j^{[l]}$

等式四 参数更新

根据梯度下降法原理，朝着梯度的反方向更新参数
$$\begin{array}{c}{b}_j^{[l]}\leftarrow b_j^{[l]}-\alpha \frac{\partial L}{\partial b_j^{[l]}}\\ w_{jk}^{[l]}\leftarrow w_{jk}^{[l]}-\alpha \frac{\partial L}{\partial w_{jk}^{[l]}}\end{array}$$
写成矩阵形式：
$$\begin{array}{l}{b}^{[l]}\leftarrow b^{[l]}-\alpha \frac{\partial L}{\partial b^{[l]}}\\ w^{[l]}\leftarrow w^{[l]}-\alpha \frac{\partial L}{\partial w^{[l]}}\end{array}$$
这里的 $\alpha$ 指的是学习率。学习率决定了反向传播过程中梯度下降的步长。

反向传播图解

计算输出层误差

计算隐藏层误差

隐藏层误差公式写成矩阵形式 ${\delta }^{[l]}=\left[w^{[l+1{]}^T}{\delta }^{[l+1]}\right]\odot {\sigma }^{\prime }\left(z^{[l]}\right)$ 时， 权重矩阵需要转置。上面两幅图，直观地解释了转置的原因。

计算参数变化率

最后更新每层的参数。

反向传播公式总结

单样本输入公式表

说明	公式
输出层误差	${\delta }^{[L]}={\nabla }_{a}L\odot {\sigma }^{\prime }\left(z^{[L]}\right)$
隐含层误差	${\delta }^{[l]}=\left[w^{[l+1{]}^T}{\delta }^{[l+1]}\right]\odot {\sigma }^{\prime }\left(z^{[l]}\right)$
参数变化率	$\begin{array}{c}\frac{\partial L}{\partial b^{[l]}}={\delta }^{[l]}\\ \frac{\partial L}{\partial w^{[l]}}={\delta }^{[l]}{a}^{[l-1]T}\end{array}$
参数更新	$$\begin{array}{l}{b}^{[l]}\leftarrow b^{[l]}-\alpha \frac{\partial L}{\partial b^{[l]}}\\ w^{[l]}\leftarrow w^{[l]}-\alpha \frac{\partial L}{\partial w^{[l]}}\end{array}$$

多样本输入公式表

成本函数

多样本输入使用的成本函数与单样本不同。假设单样本的成本函数是交叉熵损失函数。

$L(a,y)=-[y\cdot \log (a)+(1-y)\cdot \log (1-a)]$

那么，对于m个样本输入，成本函数是每个样本的成本总和的平均值。

$C(A,y)=-\frac{1}{m}{\sum }_{i=0}^m\left(y^{(i)}\cdot \log \left(a^{(i)}\right)+\left(1-y^{(i)}\right)\cdot \log \left(1-a^{(i)}\right)\right)$

误差

单样本输入的每一层的误差是一个列向量

${\delta }^{[l]}=\left[\begin{array}{c}{\delta }_1^{[l]}\\ {\delta }_2^{[l]}\\ ⋮\\ {\delta }_n^{[l]}\end{array}\right]$

而多样本输入的每一层的误差不再是一个列向量，变成一个m列的矩阵，每一列对应一个样本的向量。那么多样本的误差定义为：

$d{Z}^{[l]}=\left[\begin{array}{c}{\delta }^{[l](1)}{\delta }^{[l](2)}\dots {\delta }^{[l](m)}\end{array}\right]=\left[\begin{array}{cccc}{\delta }_1^{[l](1)}& {\delta }_1^{[l](2)}& \dots & {\delta }_1^{[l](m)}\\ {\delta }_2^{[l](1)}& {\delta }_2^{[l](2)}& \dots & {\delta }_2^{[l](m)}\\ ⋮& ⋮& \ddots & ⋮\\ {\delta }_n^{[l](1)}& {\delta }_n^{[l](2)}& \dots & {\delta }_n^{[l](m)}\end{array}\right]$

$d{Z}^{[l]}$的维度是 $n\times m$ ，$n$ 表示第 $l$ 层神经元的个数，$m$ 表示样本数量。

参数变换率

因为$d{Z}^{[l]}$的维度是 $j\times m$ ，更新 $b^{[l]}$ 的时候需要对每行求平均值，使得维度变为 $j\times 1$，再乘以$\frac{1}{m}$。

$d{Z}^{[l]}$的维度是 $j\times m$ ，$A^{[l-1]T} $ 的维度是 $m\times k$，矩阵相乘得到的维度是 $j\times k$ ，与$w^{[l]}$ 本身的维度相同。因此更新 $w^{[l]}$ 时只需乘以 $\frac{1}{m}$ 求平均值。

说明	公式
输出层误差	$d{Z}^{[L]}={\nabla }_{A}C\odot {\sigma }^{\prime }\left(Z^{[L]}\right)$
隐含层误差	$d{Z}^{[l]}=\left[w^{[l+1]T}d{Z}^{[l+1]}\right]\odot {\sigma }^{\prime }\left(Z^{[l)}\right]$
参数变化率	$$\begin{gathered} d{b}^{[l]}=\frac{\partial C}{\partial b^{[l]}}=\frac{1}{m}meanOfEachRow\left(d{Z}^{[l]}\right) \\ d{w}^{[l]}=\frac{\partial C}{\partial w^{[l]}}=\frac{1}{m}d{Z}^{[l]}{A}^{[l-1]T} \end{gathered}$$
参数更新	$\begin{array}{l}{b}^{[l]}\leftarrow b^{[l]}-\alpha \frac{\partial C}{\partial b^{[l]}}\\ w^{[l]}\leftarrow w^{[l]}-\alpha \frac{\partial C}{\partial w^{[l]}}\end{array}$

转载请注明出处，限时免费公开，如有错误❌，请评论，提醒更正，谢谢