知识卡片
反向传播
反向传播用最后一层的激励与目标类标之间的差异计算代价,再高效计算复杂代价函数对各权重的导数以更新权重。挑战在于高维特征空间中权重众多,且神经网络代价函数的误差平面不是平滑凸曲面,有很多局部最优凹陷与凸起,须设法克服。它是训练神经网络最广泛使用的高效算法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 使用人工神经网络识别图像 · 查看原书依据
从本质上讲,反向传播仅仅是一种高效地计算复杂代价函数导数的方法
参考来源
- 位置:《Python机器学习》第12章《12.4 建立对反向传播的直观认识》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0160.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:从本质上讲,反向传播仅仅是一种高效地计算复杂代价函数导数的方法