深层神经网络工作即训练流程

工作流程(正向传播)：

　　

　　每个节点：

　　　　它接受一个1*m的向量x，通过X = x*W.T + b   y = f(X) 然后输出y  f是激活函数

　　

　　每一层：

　　　　它接受一个 1*n1的向量   通过自己神经节点的转化  输出一个 1*n2的向量

　　　　n1为上一层的节点个数   n2为这一层的节点个数

　　　　对于这一层的每个节点  它的W是1*n1向量(因为我们写的是卷积神经网络嘛)

　　这个神经网络：

　　　　它接受一个1*n向量  这个是表示目标的特征  输出一个0到1之间的数字 表示这个问题为 1 的概率是多少　

 

训练过程(反向传播)：

   　　

　　  该说的都在图里了

　　  这里有个地方写错了

         w1' = w1 - x'*a1*alaph

　　 alaph表示的是学习率(Learning Rate)

转载于:https://www.cnblogs.com/shensobaolibin/p/8059646.html