Algorithm 给定输出节点和权重上的错误，如何使用反向传播更新隐藏节点上的错误

我正在学习NN，我想手动对propogation进行编码，以了解它是如何工作的，但我正在努力学习算法。我试图解决论文中的第30个问题（这样我就有了一个例子说明它是如何工作的）

问题的简短版本是，如果有人能告诉我如何找到H2的错误，我将不胜感激（答案应该是A；-0.0660）

这个问题的长版本是，我的想法正确吗（在H2使用反向传播查找错误）：

I1、I2和I3的误差（来自问题29）分别为0.1479、-0.0929和0.1054

网络架构是：

权重为：

所以我想我必须做的是：

找出导致每个输出错误的权重总量（我取绝对值得到错误的总和，对吗？）：

E1=1.0+3.5=>4.5

E2=0.5+1.2=>1.7

E3=0.3+0.6=>0.9

然后我计算出了来自感兴趣节点（y2）的每个权重的比例：

E1=3.5/4.5=0.777

E2=1.2/1.7=0.71

E3=0.6/0.7=0.86

然后我计算出了重量比例的误差比例：

E1=>（0.14/100）*14=0.01078

E2=>（-0.09/100）*71=-0.0639

E3=>（0.1054/100）*86=0.090644

---

如果有人能告诉我哪里出了问题（因为如上所述，我知道正确答案应该是什么），我将不胜感激。此外，如上所述，如果有帮助的话，我已经在原始考试中添加了一个到原始问题30的链接（这是17年前的问题，不是我正在做的考试，只是试图理解它）。我知道我可以使用TensorFlow/Keras自动实现这一点，但我正试图真正了解它的工作原理。

在您提到的问题中，您得到了错误函数：

您需要计算其j=2的值。您拥有所有delta_k和w_ij的值

还将给出激活函数的导数f'（Hj）：

最后，将激活隐藏节点2，即f（H2）。您需要做的就是将所有的值放入方程式中：

f’（H2）=0.74*（1-0.74）=0.1924

delta_2=0.1924*（（0.1479*-3.5）+（-0.0929*-1.2）+（0.1054*0.6））=-0.06598