1
条回答
写回答
写回答
-
我们来说明前向和后向传播之间的区别，一旦理解了这一点，你就可以更好地理解和可视化整个神经网络的运行方式。
在神经网络中，向前传播数据以获取输出，然后将其与实际预期值进行比较以获得误差，这是正确数据与机器学习算法预测数据之间的差异。为了最小化该误差，现在你必须求每个权重的误差导数来向后传播，然后从权重中减去该误差导数值。
训练神经元启动、激活或抑制的时间，就是神经网络进行学习的时候，每个神经元应仅针对某类输入激活，而非全部。因此，通过向前传播，可以看到神经网络的行为表现并找到误差。在找出网络误差率后，可以后向传播并使用梯度下降的形式更新权重值。再强调一次，通过前向传播数据查看权重的执行情况，然后向后传播数据以更新权重值，持续该过程，直到误差值达到最小（希望是全局最小值而非局部最小值）。
资料来源：《C#神经网络编程》，文章链接：https://developer.aliyun.com/article/726786
2021-10-29 16:03:11赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
相关课程
更多
推荐问答
