这里我用一个实例来实现以下BP神经网络计算的过程:
这个实例中输入
,
,输出
,
到
为参数。
先通过上述模型计算出各个神经元的输入与输出:
构造损失函数,这里我们使用交叉熵损失函数
,
为标签值,
为计算出来的值。
接下来用反向传播来求解偏导数:
到这一步我们已经求出了各个参数的偏导数了,下一步就是更新参数了,我们设学习率
为0.6
可以看到更新参数之后算得的
比原来的
更接近0.5了,接下来只要按照上述的步骤一遍一遍进行操作就可以了。结束更新的操作可以是循环了k次或者
与
之间的距离足够小。
李宏毅深度学习笔记(九)BP(Back propagation)神经网络计算详解(手算)
猜你喜欢
转载自blog.csdn.net/comli_cn/article/details/103056981
今日推荐
周排行