1、变量符号含义
1、训练集 D = { ( x ⃗ 1 , y ⃗ 1 ) , ( x ⃗ 2 , y ⃗ 2 ) , . . . , ( x ⃗ m , y ⃗ m ) } D = \{(\vec{x}_1, \vec{y}_1), (\vec{x}_2, \vec{y}_2),..., (\vec{x}_m, \vec{y}_m)\} D={
(x1,y1),(x2,y2),...,(xm,ym)}，共m个样例
2、 x ⃗ i ∈ R d , y ⃗ i ∈ R d \vec{x}_i \in \mathbb{R}^d, \vec{y}_i \in \mathbb{R}^d xi∈Rd,yi∈Rd：输入样本由 d d d个属性描述，输出 l l l维( l l l个属性描述)实值向量 y ⃗ i \vec{y}_i yi
3、对应图中的神经网络
- d个输入神经元：输入特征向量由d个属性描述
- l个输出神经元：输出特征向量由y个属性描述
- q个隐层神经元：拟合数据集线性不可分时的模型
4、连接权都如图所示
5、激活函数：sigmoid
6、阈值：每个神经元都有自己的阈值
- 输出层第 j j j个神经元 y i y_i yi的阈值： θ i \theta_i θi
- 隐层第 h h h个神经元 b h b_h bh的阈值： γ h \gamma_h γh
7、第x个神经元的输入：FNN都是全连接，因此要求和
- 输出层第j个神经元的输入： β j \beta_j βj
- 隐层第h个神经元的输入： α h \alpha_h αh
2、损失函数：均方误差推导
1、训练样例 ( x ⃗ k , y ⃗ k ) (\vec{x}_k, \vec{y}_k) (xk,yk)
2、其经过神经网络的 l l l个输出记为 y ⃗ ^ k = ( y 1 ^ k , y 2 ^ k , . . . , y l ^ k ) \hat{\vec{y}}_k = (\hat{y_1}^k,\hat{y_2}^k, ...,\hat{y_l}^k ) y^k=(y1^k,y2^k,...,yl^k)，其中每个输出：
3、则对于这一个训练样例 ( x ⃗ k , y ⃗ k ) (\vec{x}_k, \vec{y}_k) (xk,yk)，网络的均方误差为：
3、算法：求参数w和θ，BP算法，基于随机梯度下降
3.1 随机梯度下降的理解
梯度是有方向的：曲面上方向导数的最大值的方向就代表了梯度的方向
因此每次规定的步长 η \eta η固定，我们的参数就要朝着该参数对应函数梯度的方向（变化最快，如山最陡峭的方向）变化，才能让损失函数值最快地往极小值收敛。
理解：假设你初始在山顶，步长5m，朝着梯度最大（最陡峭的）方向，走5m（也就是当前点的梯度值*步长），能垂直距离下降4m，非最陡峭方向一次则垂直距离下降更少。
批量梯度下降：
- 对于权值 θ ⃗ \vec{\theta} θ中的每个分量 θ j \theta_j θj（个数对应样本属性个数），每次 所有m个样本的第j个属性值都要参与更新 Δ 值 \Delta值 Δ值。
- 更新完所有分量，算作一次批量梯度下降结束。一般我们会重复梯度下降多次
如图代码就是使用批量梯度下降，重复了iters次数，每一次所有样本参与对权值 θ ⃗ \vec{\theta} θ中的每个分量 θ j \theta_j θj进行更新。那个np.sum
随机梯度下降：
用样本中的一个随机选取的样本 x ⃗ i \vec{x}_i xi来近似我所有的样本，来调整θ
- 对于权值 θ ⃗ \vec{\theta} θ中的每个分量 θ j \theta_j θj（个数对应样本属性个数），每次 只有样本 x ⃗ i \vec{x}_i xi 的第j个属性值 参与更新 Δ 值 \Delta值 Δ值。
- 更新完所有属性分量，算作一次随机梯度下降结束。一般我们会重复梯度下降多次
3.2 公式推导
求偏导什么时候结果要求和：看连线
-
单独一条隐含层到输出层的连接权w只影响一个y，因此对其求偏导，无需求和。
-
但是输入层到隐含层的连接权v，即使是一条，也会影响所有的y。
-
看图中的连线即可知道。则其实从隐含层的神经元b开始，之后所有的参数，一个都会影响所有的y。故链式法则求偏导时要加上求和符号。
3.3 BP算法
