BP误差反向传播算法

BP算法

BP算法通过将输出误差反向传播,将误差分配到每个权值上,利用梯度更新对所有参数进行调整以达到输出累计误差最小
这里写图片描述


[图片来自Andrew Ng的machine learning课程]

为了简化概念,先不加上偏置单元
符号介绍
zli :第 l 层第i节点的误差

zli :第 l 层第i节点的输入值

ali:第 l 层第i节点的输出值

wlji :第 l1 层第i节点到第 l j节点的权值

h():节点的激活函数,如sigmod、tanh等

ml :第 l 层的节点个数

根据网络图,有以下关系:
ali=h(zli)

zli=mlj wljial1j
误差反向传播递推公式以及对任一参数更新推导如下(打符号好慢,直接上手工图片)
手工推导

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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