本文档详细介绍了卷积神经网络（CNN）的反向传播（BP）算法，特别是在误差从池化层传递到卷积层的过程。讲解了在不同池化方法下，误差如何平均分配或全部反传，并且阐述了卷积层误差项如何通过与输入层做相关操作来计算核函数的偏导数以及偏置项的偏导数计算方式。
该文档参考了：http://www.cnblogs.com/tornadomeet/p/3468450.html
在此表示感谢。
一般而言，多类别神经网络的输出一般采用softmax形式，即输出层的激活函数不采用sigmoid或者tanh函数。那么神经网络的最后一层的输出则为
下面看从pooling层到卷积层的误差如何反向传播，和多层神经网络一样，可以通过层与层间的连接实现误差传播，只是计算公式变为，
最低0.47元/天 解锁文章
扫一扫
评论 3
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
