反向传播算法是深度学习的基础之一,其主要的核心就是对代价函数 E 关于权重
使用 wljk 表示从 (l−1)th 层的 kth 神经元到 lth 层的 jth 神经元上的权重。之所以 l 的序号在
有了这些, lth 层的 jth 神经元的激活值 alj 就和 (l−1)th 关联起来了:
alj=σ(∑kwljkal−1k+blj)
基础的BP算法中 σ(x) 为sigmoid函数,即 σ(x)=11+e−x
BP算法的二次代价函数是LMS(最小均方差),其定义为:
E=12∑j(yj−aLj)2
设 zlk=∑kwljkal−1k+blj ,则 alj=σ(