知识卡片
前向传播逐层计算
按前向顺序计算各层,每层读取上一层的输出并给出新的向量。最后一层的值用于预测,训练时还要与标签计算损失。推断只需要前向计算,梯度和权重更新属于训练。
[[非线性让层组合有用]]。逐层前向计算把网络层次落实成预测流程。
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
- 10.2 神经网络分类的算法原理 · 查看原书依据
的功能。输入层的神经元首先接收输入,通过激励函数产生输出,这是第一步。输入层的输出则作为隐藏层的输入,再通过激励函数产生输出,这是第二步。输入就这样一层一层传递下去,这个过程有点像击鼓传花,一直到输出层产生输出,正向传播就
参考来源
- 位置:《机器学习算法的数学解析与Python实现》10.2 神经网络分类的算法原理(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00109.html`)
- 结论依据:本节将输入到输出的逐层计算描述为正向传播。
- 原始内容:的功能。输入层的神经元首先接收输入,通过激励函数产生输出,这是第一步。输入层的输出则作为隐藏层的输入,再通过激励函数产生输出,这是第二步。输入就这样一层一层传递下去,这个过程有点像击鼓传花,一直到输出层产生输出,正向传播就