五层神经网络梯度推导(输出层到隐藏层、隐藏层到隐藏层、隐藏层到输入层)

原创

于 2018-11-02 10:24:56 发布 · 1.3w 阅读

·

0

·

本文详细介绍了五层神经网络的梯度推导过程，包括从输出层到隐藏层、隐藏层到隐藏层以及隐藏层到输入层的推导。在输出层，使用了train_number×10的矩阵P和train_number*100的隐藏层X，更新权重公式为XT∗P。接着，讨论了隐藏层之间的梯度计算，最后提到了代码实现部分。

应用

minist分类

一、输出层到隐藏层的推导

这里写图片描述

输出层的矩阵P为train_number×10
距离输出层最近的隐藏层X为train_number*100
更新权重公式为 $X^T*P$

最低0.47元/天解锁文章

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。