神经网络 – 更新权重矩阵 – 反向传播算法

我在安德鲁· Ng 教授的讲座帮助下实现神经网络,或者参考这个,使用图31中的算法。

我认为我已经很好地理解了前向传播和反向传播,但对每次迭代后更新权重(theta)感到困惑。

问题1. 何时以及如何更新权重(theta)矩阵 – theta1, theta2?

问题2. 大Delta的作用是什么?[已解决,感谢@xhudik]

问题3. 我们是否需要在输入层和隐藏层中添加+1(偏置单元)?


回答:

问题1:由@nikie解释(赞)

问题2:安德鲁· Ng的演示非常棒。然而,你所指的是一个高层次的演示,并且想了解更多细节。看看这个怎么样:http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html 它提供了更多细节和有用的图形

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注