1
条回答
写回答
写回答
-
后向传播是误差向后传播之意，是一种使用梯度下降的有监督学习神经网络算法。算法中计算所谓的梯度误差函数，其对应于网络权重，它是感知器delta规则的一般形式，并一直拓展到多层前馈神经网络。
与前向传播不同，后向传播通过在网络中后向移动来计算梯度。首先计算最后一层权重的梯度，依次计算，最后计算第一层的梯度。随着最近深度学习在图像和语音识别领域的普及，后向传播再次成为人们关注的焦点。就所有意图和目的而言，它是一种有效的算法，而当今版本利用GPU来进一步提高计算性能。
最后，由于后向传播计算取决于前向阶段的激活和输出（所有层的非误差项，包括隐藏层），所有这些值都必须在后向传播开始之前进行计算，因此，对于梯度下降的每次迭代来说，前向计算必须在后向传播之前完成。
资料来源：《C#神经网络编程》，文章链接：https://developer.aliyun.com/article/726786
2021-10-29 16:08:24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
相关文章
相关电子书
更多
