神经网络和深度学习——浅层神经网络（3）

最新推荐文章于 2023-10-25 17:10:50 发布

彭yanyan

最新推荐文章于 2023-10-25 17:10:50 发布

阅读量363

点赞数

文章标签： deeplearning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42729843/article/details/81124339

版权

神经网络

单个样本时：

$w^{[1]}$ 和 $b^{[1]}$ 均表示是第一层的参数，用方括号表示。 $w^{[1]}=\begin{bmatrix} - & w_{1}^{[1]T}&- \\ -&w _{2}^{[1]T} & -\\ - & w _{3}^{[1]T} & -\\ -& w _{4}^{[1]T} &- \end{bmatrix}$ 其中下角标表示的是第一层第n个点的参数

多个样本时：

上面是神经网络梯度下降的迭代过程，其中重要的是参数求导：

keepdims=true作用是确认 $db^{[n]}$ 的矩阵格式，符号*是点乘，即矩阵对应项相乘。

$dw^{[2]}(n^{2,n^{1}})=\frac{1}{m}\times \begin{bmatrix} dz_{1}^{[2](1)} & ... &dz_{1}^{[2](m)} \\ \mid & ... &\mid \\ dz_{n^{2}}^{[2](1)} & ... &dz_{n^{2}}^{[2](m)} \end{bmatrix}\times \begin{bmatrix} a_{1}^{[1](1)} & ... &a_{n^{1}}^{[1](1)} \\ \mid & ... &\mid \\ a_{1}^{[1](m)}& ...& a_{n^{1}}^{[1](m)} \end{bmatrix}$

参数初始化

神经网络参数初始化时不能全部初始化为0，这样会让每个隐藏层的函数相同，隐藏层堆成，这样的话设置多个隐藏层就没有意义了。解决办法是随机初始化：

参数0.01的作用是使参数初始化值尽量小，如果参数初始化值过大，z也会过大，当使用 $\sigma$ 激活函数或者tanh激活函数时，z值大时函数趋于平缓，这样会使梯度下降速率变慢。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。