反向傳播 教學

神經網絡:基礎
神經網絡是一個具有互連節點的計算系統,其節點的工作方式更像是人腦中的神經元。 這些神經元在它們之間進行處理並傳遞信息。 每個神經網絡都是一系列算法,旨在通過模仿人腦操作方式的過程來識別一組數據中的潛在關係。

深度學習算法和典型的神經網絡之間有什麼區別? 最明顯的區別是:深度學習中使用的神經網絡具有更多隱藏層。 這些層在神經元的第一層或輸入層與最後一個輸出層之間。 此外,不必將不同級別的所有神經元彼此連接。

www.researchgate.net/publication/303744090/figu...

反向傳播算法是一種流行的監督算法,用於訓練前饋神經網絡進行監督學習。 從本質上講,反向傳播將成本函數的導數表達式評估為從左到右(“向後”)每一層之間的導數乘積,每一層之間的權重梯度是對部分積的簡單修改(“ 反向傳播錯誤”)。

我們向網絡提供數據,產生一個輸出,將輸出與所需的輸出進行比較(使用損失函數),然後根據差異重新調整權重。 重複一遍。 重複一遍。 使用稱為隨機梯度下降的非線性優化技術執行權重的調整。

假設由於某種原因,我們想用樹來識別圖像。 我們向網絡提供任何種類的圖像,並產生輸出。 由於我們知道圖像是否實際上有一棵樹,因此我們可以將輸出與真實情況進行比較並調整網絡。 隨著我們傳遞越來越多的圖像,網絡將犯越來越少的錯誤。 現在我們可以給它提供一個未知的圖像,它將告訴我們該圖像是否包含樹。 很酷吧?

Leave a Reply

Your email address will not be published. Required fields are marked *