没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
论文《Learning representations by back-propagating errors》由David E. Rumelhart, Geoffrey E. Hinton, 和 Ronald J. Williams共同撰写,并在1986年发表于《Nature》杂志上。这篇论文是深度学习领域中的里程碑之作,它详细介绍了反向传播算法(Backpropagation)的原理和应用。 该论文主要贡献包括: 1. **反向传播算法描述**: 论文阐述了一个新的、有效的训练多层前馈神经网络的方法。反向传播算法通过利用链式法则,能够计算出网络中每层权重对于整个网络输出误差的梯度,从而使得网络可以根据这些梯度进行优化更新。 2. **学习过程详解**: 作者描述了如何在网络完成一次前向传播(从输入到输出的信号传递)之后,通过将误差信息从输出层逐层反向传播至输入层,来调整各隐藏层以及输入层与隐藏层之间的连接权重,以最小化预测输出与目标输出之间的差异。 3. **实际应用价值**: 论文展示了反向传播算法在解决非线性函数逼近和模式分类问题上的潜力,这一方法极大地
资源推荐
资源详情
资源评论
收起资源包目录
Learning representations by back-propagating errors.pdf.zip (1个子文件)
Learning representations by back-propagating errors.pdf 343KB
共 1 条
- 1
资源评论
SmallerFL
- 粉丝: 1807
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功