手推RNN BPTT(back propagation through time)反向传播

置顶 weixin_43167121

于 2019-03-01 14:24:33 发布

阅读量687

点赞数

分类专栏： RNN 文章标签： RNN

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43167121/article/details/88057778

版权

RNN 专栏收录该内容

1 篇文章

订阅专栏

本文深入解析深度学习中反向传播算法的核心概念，详细阐述了如何计算神经网络权重的梯度，包括对v、U和W的偏导数求解过程。通过三层网络实例，清晰展示每一步的计算细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

不亲自推一遍总是记不住细节
在这里插入图片描述
对v的偏导数比较好求，因为V直接输出了，不会传递给下一个h。
以下以三层为例子，其他以此类推：
1.对v的偏导数：

2.对U和W求偏导数：

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。