手推机器学习公式（一） —— BP 反向传播算法

方便起见，本文仅以三层的神经网络举例。

• f(⋅)：表示激励函数
• xi：表示输入层；
• yj：表示中间的隐层；
  
  • yj=f(netj)
  • netj=∑i=0nvijxi
• ok：表示输出层，dk 则表示期望输出；
  
  • ok=f(netk)
  • netk=∑j=0mwjkyj
• vij,wjk 分别是连接输入层-隐层，隐层和输出层的权值矩阵；

BP 既然称为 error back propagation 算法，我们首先来看 error 的一种常见定义：

E=12(d⃗ −o⃗ )2=12∑k=1ℓ(dk−ok)2

三层神经网络下，将其展开至隐层：

E==12∑k=1ℓ(dk−ok)212∑k=1ℓ⎛⎝dk−f⎛⎝∑j=0mwjkyj⎞⎠⎞⎠2

进一步展开至输入层：

E===12∑k=1ℓ(dk−ok)212∑k=1ℓ⎛⎝dk−f⎛⎝∑j=0mwjkyj⎞⎠⎞⎠212∑k=1ℓ⎛⎝dk−f⎛⎝∑j=0mwjkf(∑i=0nvijxi)⎞⎠⎞⎠2

转载于:https://www.cnblogs.com/mtcnn/p/9422112.html