使用Sutskever技术通过反向传播计算导数

在Ilya Sutskever的“TRAINING RECURRENT NEURAL NETWORK”中,提出了以下技术,用于在前馈神经网络中通过反向传播计算导数。

该网络有l个隐藏层,l+1个权重矩阵和b+1个偏置向量。

“前向”阶段:

enter image description here

“后向”阶段:

enter image description here

l+1的索引是否有问题?例如,在前向阶段我们计算了z_l+1但返回了z_l。

(由于这是一篇非常重要的论文,我想我可能错过了什么)


回答:

没有问题,一些索引是从0开始的(例如变量z),一些是从1开始的(例如变量x)。请更仔细地按照算法进行,尝试手动写出例如l=4的情况。

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