双流网络反向传播过程.docx
版权申诉
182 浏览量
2022-07-03
15:12:17
上传
评论
收藏 8KB DOCX 举报
双流网络反向传播过程
双流网络反向传播是神经网络通过调整神经元的权重和偏差来
最小化其预测输出误差的过程。
扩展：
神经网络是如何进行学习的？
神经网络中的学习过程分为三个步骤。
第 1 步：将数据输入神经网络。该输入数据顺序通过神经网络
的不同层，并在最终输出层产生输出或预测。数据从输入层流向输出
层的整个过程称为前向传播。我们将在下面看到前向传播的细节。
第 2 步：现在有了输出，我们计算输出中的损失。我们有很多
计算损失的选项，例如均方误差、二元交叉熵等，如何计算损失是根
据不同的目标来定义的。
第 3 步：计算损失后，我们必须告诉神经网络如何改变它的参
数（权重和偏差）以最小化损失。这个过程称为反向传播。
神经网络中的前向传播
NN 基本上由三种类型的层组成。输入层、隐藏层和输出层。通
过 NN 的数据流是这样的：
数据第一次在网络中向前流动时，将需要训练神经网络的输入或
特征输入到输入层的神经元中。
然后这些输入值通过隐藏层的神经元，首先乘以神经元中的权重，
然后加上一个偏差。我们可以称之为预激活函数。
资源评论
