计算代价函数反向传播过程中，从最后一层的误差向前推导各层误差时，为什么下一层的误差乘sigmoid的导数而不是除？
误差传递不应该是输入的误差乘以函数的导数得到输出的误差？是我的理解有问题吗？
0条回答 默认 最新
- 2021-10-14 20:56Polaris_T的博客 Andrew Ng在他的机器学习课程中讲述bp神经网络时，并没有深究这算法背后的推导过程，只是给了我们一个大体的执行步骤，实现了这个算法但却不知道这个算法背后的原理是件很痛苦的事。在看了知乎、csdn、简书后...
- 2025-09-10 16:17大饼酥的博客 本文介绍了神经网络中的代价函数和反向传播算法。首先定义了符号系统，包括各层神经元、权重矩阵等。对于多分类问题，使用交叉熵代价函数，因其在sigmoid激活下收敛更快。反向传播算法通过计算误差项δ从输出层向前...
- 2024-07-24 09:57qq_45930344的博客 值得一提的是，像上一章所述，至少目前我所学习的神经网络中的神经元实际上就是一个一个逻辑回归单元同时注意，如果神经网络模型所解决的并不是一个分类问题，那么我们在指定损失函数时就不在使用该二元交叉熵函数了...
- 2022-08-04 23:04野人 也有爱的博客 吴恩达 手推机器学习 BP反向传播算法
- 2022-02-24 11:09Learningisgood的博客 神经网络代价函数： 逻辑回归的代价函数： 当神经网络的激活函数选用逻辑回归函数时，神经网络的代价函数就是逻辑回归的代价函数，不同的是神经网络有k个输出，一块加起来就是。 前向传播公式： A(j+1) =g...
- 2024-03-06 02:25SalmonDJ的博客 吴恩达机器学习2022笔记
- 2023-11-22 20:44屁屁很痛的博客 最近正在学习吴恩达机器学习神经网络的反向传播算法，主要通过反向传播来求解损失函数的导出来降低梯度下降的复杂性。学到这里发现感觉难以能够理解其中的思想，甚至视频也反复看了好多遍，因此也网上找了一些资料...
- 2019-09-16 12:51wu740027007的博客 使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一...
- 2022-02-26 18:16做一只猫的博客 吴恩达机器学习
- 2024-09-05 20:21chinaherolts2008的博客 1 Neural Networks 神经网络 1.1 Visualizing the data 可视化数据 这部分我们随机选取100个样本并可视化。训练集共有5000个训练样本，每个样本是20*20像素的数字的灰度图像。每个像素代表一个浮点数，表示该位置的...
- 没有解决我的问题, 去提问
问题事件
系统已结题
4月1日
创建了问题
3月24日