1回答
我只想澄清一个疑问--我们使用梯度下降来优化神经网络的权重和偏差，并且在需要计算损失函数的偏导数的步骤中使用反向传播，还是我误解了什么？
浏览 0提问于2020-10-15得票数 2
回答已采纳
1回答
我知道反向传播计算成本函数相对于模型参数(权重和偏差)的导数。但是，我需要确保反向传播不会更新权重和偏差；相反，它使用优化器来更新权重和偏差，如Adam、Gradient Descent等 提前感谢
浏览 43提问于2020-10-29得票数 0
回答已采纳
我正在试图理解神经网络，从我所看到的一切来看，我知道它们是由节点创建的层组成的。这些节点通过“加权”连接相互连接，通过输入层传递值，这些值通过节点传递，根据连接的“权重”更改它们的值(对吗？)。网络是否记住了加权连接之间的模式？它是如何记住这种模式的？
浏览 25提问于2018-12-16得票数 5
回答已采纳
2回答
有这样的主张：
更新：，自从写这篇文章以来，我发现这在“深度学习”6.5.9节中有介绍。见。我还发现，这篇论文对Haber和R
浏览 4提问于2014-05-06得票数 14
回答已采纳
1回答
你能用最简单的方式解释一下背靠背的算法(数学方程)吗？
我读过很多关于它的文章，所以我知道它是什么，并理解它背后的直觉，但我仍然不理解“升级/改变”神经元的分层属性的方程式。
浏览 0提问于2018-08-09得票数 1
我正在用python做一个ANN，然后开始做反向传播。我很快就遇到了试图计算偏差的delta值的问题。这成了一个问题，因为我使用的是sigmoid函数，当激活值为1时，它的导数(sigmoid(x)*(1-sigmoid(x)))恰好返回0。它总是返回0的问题是，增量也将是0，因此我将无法反向传播偏差的
浏览 6提问于2020-11-04得票数 0
1回答
倒推误差对排样矩阵的影响
、、、、
我了解神经网络的反向传播算法，以及误差如何在层中向后传播。也就是说，我知道，给定一个3层的前馈网络，改变W1的数量取决于第2层和第3层的权重，以及它们激活函数的导数。问:当您的第一层是嵌入层(即，考虑使用手套初始化嵌入矩阵)，网络如何使用反向传播更新该<em
浏览 0提问于2018-06-12得票数 3
回答已采纳
1回答
我正在尝试理解在人工神经网络中使用的误差反向传播算法。
据我所知，每个神经元都有一个sigmoid函数的输出结果，该函数将每个权重/输入对的乘积之和加上一个“偏差”值作为参数。一旦计算出网络的总误差，就可以使用误差相对于各种权重的导数来找到误差函数的“局部最小值”。这些应该是误差最小的</em
浏览 1提问于2013-06-13得票数 2
回答已采纳
1回答
我试图用神经网络作为函数逼近器来实现用于估计q*的片段式半梯度Sarsa。我的问题是: q(S，A，w)中的权向量w是指神经网络中的权值吗？如果不是，我将如何在算法中使用它？我的建议是将其附加到状态和动作a中，并将其插入到<em
浏览 0提问于2018-03-28得票数 2
回答已采纳
我正在用python开发一个神经网络模型，使用各种资源将所有部分组合在一起。一切都正常，但我对一些数学问题有疑问。在反向传播的部分实现中，我使用了以下内容 m = A_prev.shape[1]
dA_prev = np.dot(W.T, dZ)
r
浏览 14提问于2017-12-30得票数 1
1回答
我是新的神经网络，并试图建立一个超简单的神经网络超过一个隐藏层。
在神经网络训练阶段调整权值时，权值的调整程度部分取决于该神经元对下一层神经元的“误差”程度。因此，我们需要知道下一层的错误。只需要一个隐藏层就可以计算出这一点，因为我们的训练数据已经为我们提供了预期的输出，所以我们只需要使用输出层(简单地说，目标输出)。当存在多个隐藏层时，计算误差就变得非常重要。也
浏览 5提问于2017-04-22得票数 5
回答已采纳
在这篇演讲中，他说，在一开始，人工神经网络中人工神经元之间的连接是随机初始化的。因此，网络进行随机预测。此外，我还从网上的一些讲座中了解到，神经元之间的连接(权重)存储在矩阵中</em
浏览 1提问于2019-12-13得票数 3
1回答
神经网络优化阶次
、、、
我有一个关于优化谈判的非常基本的问题，当我调整神经网络中的权重和偏差时，我应该：前向传播和反向传播，计算梯度下降(DC)一批的itera
浏览 0提问于2021-01-16得票数 0
回答已采纳
3回答
我有一个概念上的问题，因为术语困扰着我。反向传播算法是一种神经网络训练算法，还是仅仅是一种递归算法来计算神经网络的雅可比？那么这个Jacobian将作为主要训练算法的一部分，例如最陡峭的下降？因此，计算雅可比矩阵(神经网络输出到网络参数的偏导数)是一种训练算法还是一种数值方法？
浏览 0提问于2021-09-08得票数 4
回答已采纳
1回答
用负采样实现word2vec
、、、、
我正在尝试实现word2vec的正向和反向传播，使用跳过图.我对神经网络很陌生，但据我所知，它是这样的：
我们以某种方式比较了第4步之后得到的输出，并计算</
浏览 3提问于2016-05-07得票数 3
1回答
在Ilya的中，有一种计算前馈神经网络中具有反向传播的导数的技术。“前进”阶段：“向后”阶段：，l+1不是有索引问题吗？例如，在前面阶段，我们计算z_l+1，但返回z_l.。
(既然这是一篇如此重要的论文，我想我遗漏了一些东西)
浏览 3提问于2015-07-03得票数 0
回答已采纳
1回答
CNN的反向传播训练
、、、、
我以前在浅层(一层或两层)神经网络中工作，所以我对它们的工作原理有一定的了解，在训练过程中很容易直观地看到向前和向后传递的导子，目前我正在研究深层神经网络(更确切地说，是CNN)，我读过很多关于它们的训练的文章，但我仍然无法理解CNN训练的总体情况，因为在某些情况下，使用预训练层的人使用自动编码提取卷积权，在某些情况下，随机权值被用于卷积，然后使用</em
浏览 4提问于2016-07-11得票数 2
我必须设计一个功能强大的神经网络的动画视觉表示(即使用UI，允许您调整值等)。它的主要目的是帮助人们想象不同的数学操作是如何和何时在慢动作、实时动画中执行的。我的可视化工具和UI一起设置，它允许你调整值和改变神经元的布局，以及前馈阶段的可视化，但是由于我实际上根本不擅长神经网络，所以我很难找到最佳的方法来可视化反向</e
浏览 0提问于2021-01-27得票数 2
回答已采纳
2回答
我正在使用TensorFlow和Python创建自定义神经网络。在传递每个输入数据之前，我需要对权重和偏差进行更改。网络的架构是常见的(顺序的，有监督的，有反向传播的)，唯一的区别是在每次遍历之前，我需要做一些计算。例如，我有一些输入(x)，在我通过网络传递它们并计算网络结果(y)之前，在每次
浏览 71提问于2018-06-05得票数 2
回答已采纳
因此，我试图设计一个多层神经网络，由3个输入神经元、3个隐神经元和1个输出神经元组成。0d,1d,0d =>1d1d,1d,0d =>0d
hidden[]是隐层之间的权值，输出层input[]是输入层和隐层之间的权重。忽略D
浏览 2提问于2013-12-18得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
