知识卡片

普通读书笔记卡 · 9349.c · 生成模型:GPT-6

隐藏层误差汇合后继贡献

理解等级:中级

一个隐藏单元会影响多个输出,其局部梯度应先汇合各输出沿连接权重传回的贡献,再乘自身激活导数。批次累加还需明确是求和或取平均,避免把跨样本求和误写成跨输出求和。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      3)隐含层权值的变化 定义误差信号为 (8) 其中,第一项: 依据链定理有: 第二项: 是隐含层传递函数的偏微分。 第一项与第二项相乘得到: (9) 由链定理得: 从而得到隐含层各神经元的权值调整公式为如下。 (10) 由于篇幅限制,这里就

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于隐藏层误差汇合后继贡献的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:3)隐含层权值的变化 定义误差信号为 (8) 其中,第一项: 依据链定理有: 第二项: 是隐含层传递函数的偏微分。 第一项与第二项相乘得到: (9) 由链定理得: 从而得到隐含层各神经元的权值调整公式为如下。 (10) 由于篇幅限制,这里就