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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注