神经网络的输出层我们会获取到了一个最终的输出 。而这个输出与目标值可能存在误差 。可以使用误差平方和作为评判标准 。这样我们就可以判断我们找到的函数的好坏 。
文章插图
而且 。误差是会反向传播的 。每个神经元都会有对应的误差 。具体处理时通过梯度下降法便可以更新每一个神经元的权重 。这样就能解决了神经网络中连接的参数值了 。即能确认所有函数的参数 。
文章插图
大概流程为：
计算从输入到输出的前馈信号 。
根据预测值和目标值计算输出误差E 。
通过前一层中的权重和相关激活函数的梯度对它们进行加权反向传播误差信号 。
基于反向传播误差信号和输入的前馈信号计算参数的梯度
推荐阅读
- 2019款马自达6什么时候上市 新款马自达6什么时候上市时间
- 19年帕萨特多少钱 2019款帕萨特多少钱
- 最好看的小说,男生十大公认最好看的小说
- 2019款卡罗拉上市时间 2019款卡罗拉上市时间是哪月几号
- 曾经梦想的单反,现在便宜了,为何又不值得买呢？
- 2023杭州萧山区中考体育无法参加可以补考吗
- 有提到梨花的诗词有哪些？
- 3月天津商务职业学院普通话考试准考证打印时间
- 男主占有欲强腹黑的泰剧,腹黑霸道总裁泰剧排行榜