反向傳播算法

一文徹底搞懂BP算法:原理推導+數據演示+項目實戰

BP算法推導


圖1所示是一個簡單的三層(兩個隱藏層,一個輸出層)神經網絡結構,假設我們使用這個神經網絡來解決二分類問題,我們給這個網絡一個輸入樣本 ,通過前向運算得到輸出 。輸出值越接近0,代表該樣本是“0”類的可能性越大,反之是“1”類的可能性大。

向前傳播的計算

爲了便於理解後續的內容,我們需要先搞清楚前向傳播的計算過程,以圖1所示的內容爲例:

輸入的樣本爲:
\vec{a}=(x_1,x_2)
第一層網絡的參數爲:
W^{(1)}=\left[\begin{array}{c} w(x_1,1),w(x_2,1)\\ w(x_1,2),w(x_2,2)\\ w(x_1,3),w(x_2,3)\end{array}\right],b^{(1)}=[b_1,b_2,b_3]
第二層網絡的參數爲:
W^{(1)}=\left[\begin{array}{c} w(1,4),w(2,4),w(3,4)\\ w(1,5),w(2,5),w(3,5)\end{array}\right],b^{(1)}=[b_4,b_5]
第三層網絡的參數爲:
W^{(3)}=[w(4,6),w(5,6)],b^{(3)}=[b_6]

第一層隱藏層的計算

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章