神经网络BP反向传播算法原理和详细推导流程

爱被打了一巴掌 2022-01-31 13:51 503阅读 0赞
1 反向传播算法和BP网络简介

误差反向传播算法简称反向传播算法（即BP算法）。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一层向前推进的（这就是反向传播算法名字的由来）；（3）更新参数（目标是误差变小）。迭代前面两个步骤，直到满足停止准则（比如相邻两次迭代的误差的差别很小

本文的记号说明：

20180509220432642

下面以三层感知器(即只含有一个隐藏层的多层感知器)为例介绍“反向传播算法(BP 算法)”。

2018050922060950

如果你觉得这篇文章看起来稍微还有些吃力，或者想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。点击这里可以查看教程。

2 信息前向传播

20180509220830262

3 误差反向传播

20180509221116734

20180509221204791

20180509221247739

3.1 输出层的权重参数更新

20180509221435900

20180509221511306

20180509221533158

3.2 隐藏层的权重参数更新

20180509221717653

2018050922180018

20180509221814447

3.3输出层和隐藏层的偏置参数更新

2018050922202053

2018050922203022

3.4 BP算法四个核心公式

2018050922212487

3.5 BP 算法计算某个训练数据的代价函数对参数的偏导数

20180509222238953

20180509222249819

2018050922230279

3.6 BP 算法总结:用“批量梯度下降”算法更新参数

2018050922234925

20180509222359188

4 梯度消失问题及其解决办法

20180509222431478

5 加快 BP 网络训练速度:Rprop 算法

20180509222506630

发表评论

表情：
评论列表 （有 0 条评论，503人围观）

还没有评论，来说两句吧...

相关阅读

    相关 BP反向传播详细推导

    BP神经网络是反向传播算法，他是一个非线性的前馈神经网络。由于网络参数需要更新，反向指的是参数梯度的反向传播，输入向前传播。非线性是因为神经元的激活函数是一个非线性可导的sig

    ￡神魔★判官ぃ￡神魔★判官ぃ/ 0 赞/ 591 阅读