目录
一、反向传播
二、代码实现
三、结果
参考链接
一、反向传播
反向传播算法是神经网络的基础之一,该算法主要用于根据损失函数来对网络参数进行优化。
原理及推导过程图解(参考【人工智能导论:模型与算法】MOOC 8.3 误差后向传播(BP) 例题 【第三版】 - HBU_DAVID - 博客园)
![](https://img-blog.csdnimg.cn/img_convert/750ad7a52da2d99177bccd609c745467.png)
![](https://img-blog.csdnimg.cn/img_convert/b34b3c42a116312ed15d8958fbab9b51.png)
输入值:x1, x2 = 0.5,0.3
输出值:y1, y2 =0.23, -0.07
激活函数:sigmoid
损失函数:MSE
初始权值:0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8
目标:通过反向传播优化权值
二、代码实现