反向传播(back propagation)算法学习笔记

反向传播算法起源于70年代,1986年一篇著名论文使其备受关注。本文提供简单实例及详细解释,帮助理解其基本计算过程,并推荐了相关阅读资料,探讨了S形函数对梯度的影响。
摘要由CSDN通过智能技术生成

反向传播算法最早于上世纪70年代被提出,但是直到1986年,由David Rumelhart, Geoffrey Hinton, 和Ronald Williams联合发表了一篇著名论文(Learning representations by back-propagating errors)之后,人们才完全认识到这个算法的重要性。

  1. 最最基础入门:
    通过一个简单的实例理解反向传播的基本计算过程:
    英文版:https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/
    中文版:http://www.cnblogs.com/charlotte77/p/5629865.html
    注:中文版后面附了详细的代码实现,python版。

  2. 关于反向传播算法的详细解释,很好的材料
    http://www.offconvex.org/2016/12/20/backprop/

  3. https://github.com/rasbt/python-machine-learning-boo
评论 1
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