机器学习笔记(XVI)神经网络(III)误差逆传播(BP)算法
2017-12-26 22:47
274 查看
BP网络
定义
一般是指用BP算法训练的多层前反馈神经网络,BP=(error BackPropagation)
主要用途
用于前馈神经网络BP算法
定义
给定训练集合:D={(x1,y1),(x2,y2),…,(xm,ym)},xi∈Rd,yi∈Rℓ
为了构造这样一个神经网络,我们需要d个输入神经元,ℓ个输出神经元,于是添加q个隐层神经元,便有下图。
其中:
输出层的第j个神经元的阈值用θj表示,
隐层的第h个神经元的阈值用γh表示,
vih表示输入层第i个神经元与隐层第h个神经元之间的连接权重
whj表示隐层第h个神经元与输出层第j个神经元之间的连接权重
bh为隐层第h个神经元的输出
第h个隐层得到的输入是αh=∑di=1vihxi
输出层第j个神经元接收到的输入是βj=∑qh=1whjbh
假设:
隐层和输出层都使用同一个Sigmoid函数
sigmoid(x)=11+e−x
处理过程
伪代码
目标
最小化训练集合上的累计误差:E=1m∑k=1mEk
书里的公式明天再推吧。
相关文章推荐
- 通俗理解神经网络BP传播算法
- 神经网络及反向传播(bp)算法详解
- 神经网络学习(三)反向(BP)传播算法(1)
- 深度学习笔记(二):简单神经网络,后向传播算法及实现
- PRML读书会第五章 Neural Networks(神经网络、BP误差后向传播链式求导法则、正则化、卷积网络)
- 十一行Python代码实现一个误差逆传播(BP)神经网络
- 神经网络学习(四)反向(BP)传播算法(2)-Matlab实现
- 机器学习笔记1:神经网络 反向传播(Backpropagation) week5
- 【机器学习笔记】循环神经网络RNN
- 反向传播BP模型(属于神经网络)
- 机器学习笔记--实现简单的神经网络
- 神经网络学习笔记-03-循环神经网络-反向传播计算公式的证明
- 神经网络反向传播算法公式推导详解
- 机器学习公开课笔记(4):神经网络(Neural Network)——表示
- [机器学习笔记]Note6--神经网络:表达
- 机器学习笔记-神经网络中激活函数(activation function)对比--Sigmoid、ReLu,tanh
- BP反向传播一文弄懂神经网络中的反向传播法
- 机器学习(11.3)--神经网络(nn)算法的深入与优化(3) -- QuadraticCost(二次方代价函数)数理分析
- 机器学习之神经网络算法
- 机器学习笔记(九) 神经网络的学习