基于误差反向传播法的神经网络学习的全貌图

Posted latencytime

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于误差反向传播法的神经网络学习的全貌图相关的知识,希望对你有一定的参考价值。

前提

      神经网络中有合适的权重和偏置,调整权重和偏置以便拟合训练数据的过程称为学习。神经网络的学习分为下面4 个步骤。

步骤1(mini-batch)
     从训练数据中随机选择一部分数据。
步骤2(计算梯度)
      计算损失函数关于各个权重参数的梯度。
步骤3(更新参数)
      将权重参数沿梯度方向进行微小的更新。
步骤4(重复)
      重复步骤1、步骤2、步骤3。

 

以上是关于基于误差反向传播法的神经网络学习的全貌图的主要内容,如果未能解决你的问题,请参考以下文章

解读反向传播算法(BackPropagation)

反向传播 - 误差导数

神经网络入门——15反向传播

数据预测基于matlab鸟群算法优化BP神经网络数据预测含Matlab源码 1772期

如何理解CNN神经网络里的反向传播backpropagation,bp算法

深度学习知识点查漏补缺(反向传播)