Deep Learning 学习笔记6:深度前馈网络(二)

深度前馈神经网络(FNN)一般有两种结构,包括反向传播网络(BP)与径向基函数神经网络(RBF)。在这片文章中,重点研究反向传播网络。而BP网络也是众多神经网络里最简单的一种。

最简单的BP网络如下所示:

                                  

输入层是一个线性函数,激活函数则选用sigmoid函数。在这个网络中,只要输入两个参数x和y,就可以开始训练了。        

神经网络训练

首先考虑最简单的结构,第一层是隐藏层h,第二层是输出层o,如下图:

每一次的输入后都会产生一个输出值,我们将误差定义如下:

                                                                            Loss=\frac{1}{2}(y-y_{o})^{2}

其中y是真实值,yo是神经网络的输出值。

现在要做的就是减小这个误差。也就是通过改变我们最初的权重值与偏置值来减小误差。反向传播法的原理可以看我之前的文章:Deep Learning 学习笔记4:神经网络的反向传播法。通过反向传播法减小误差的公式为:

                                                                     (w_{h})^{n}=(w_{h})^{n-1}-\eta *\frac{\partial Loss}{\partial w_{h}}

                                 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值