BP 算法:
参考:
https://blog.csdn.net/fendouaini/article/details/79789440
(对一个三层以上的神经网络)进行反向 误差传播流程:
1 目的: 调参到最优 ---> 构建一个泛化能力强的网络模型
2 用到的公理:
3 利用2 计算 每一层的误差 ,然后利用如下公式 更新w 和 b
注意: 为学习率
K层 的误差项
k-1 层的输出 (已经过激活函数的)
4 终止条件: 误差到一个很小的值 ,或者 更新次数可以了
BP 算法:
参考:
https://blog.csdn.net/fendouaini/article/details/79789440
(对一个三层以上的神经网络)进行反向 误差传播流程:
1 目的: 调参到最优 ---> 构建一个泛化能力强的网络模型
2 用到的公理:
3 利用2 计算 每一层的误差 ,然后利用如下公式 更新w 和 b
注意: 为学习率
K层 的误差项
k-1 层的输出 (已经过激活函数的)
4 终止条件: 误差到一个很小的值 ,或者 更新次数可以了
本文标题:2019-01-30
本文链接:https://www.haomeiwen.com/subject/meqhsqtx.html
网友评论